FAQ

1. target、task、training_mode 分别是什么？

• target：标签列名（单任务字符串，多任务列表）。
• task：任务类型（例如二分类 binary、回归 regression、召回 matching）。
• training_mode：训练范式（常见为 pointwise；部分模型/损失支持 pairwise/listwise）。

2. 为什么 GAUC / ranking@K 指标算不出来？

这类指标需要分组 ID（通常是 user_id）。

• Python API：在 fit/evaluate 里传 user_id_column="user_id"。
• CLI：在 data 段配置 id_column: user_id（或使用别名 user_id_column）。

3. 如何在大数据上训练（避免一次性读入内存）？

使用 RecDataLoader 的 streaming 模式，或 CLI 配置 data.streaming: true 并设置 dataloader.chunk_size。

参考：API 文档 / RecDataLoader

4. DataProcessor 什么时候要用？

当你需要让训练/推理严格共享同一套预处理（数值缩放、hash/label 编码、序列 padding 等）时，建议用 DataProcessor：

• 训练前 fit
• 训练/推理 transform
• 保存/加载处理器用于线上一致性

参考：API 文档 / DataProcessor

5. 训练日志和产物保存在哪里？

默认在当前工作目录下的 nextrec_logs/{session_id}/。

• Python API：session_id 决定目录名；若不传会自动生成。
• CLI：在 train_config 的 session.id 与 session.artifact_root 控制。

参考：API 文档 / Session 与日志

6. 如何导出并用 ONNX 推理？

• 训练后调用 export_onnx(...) 导出
• 使用 predict_onnx(...) 对文件/数据进行推理

参考：API 文档 / ONNX