2 रिपॉजिटरी
Awesome GitHub RepositoriesScaling Law Architectures
Hardware-aware and unified sequence architectures designed to improve performance as model and data size increase.
Distinct from Recommendation Architectures: Focuses on scaling laws specifically for generative recommendation architectures, not general software scaling.
Explore 2 awesome GitHub repositories matching artificial intelligence & ml · Scaling Law Architectures. Refine with filters or upvote what's useful.
Awesome Scaling Law Architectures GitHub Repositories
AI के साथ बेहतरीन रिपॉजिटरी खोजें।हम AI का उपयोग करके सबसे सटीक रिपॉजिटरी खोजेंगे।
- datawhalechina/fun-rec
datawhalechina/fun-rec
7,177GitHub पर देखेंfun-rec is a learning guide and framework for building personalized recommendation systems, covering everything from deep learning ranking to generative recommendation paradigms. It provides instructional content on constructing industrial-grade architectures that span offline data processing and real-time online serving. The project distinguishes itself by focusing on generative recommendation, treating the suggestion process as a sequence-to-sequence task using large language models and transformer models to generate item identifiers rather than traditional ranking lists. It also emphasizes
Improves generative system performance using hardware-aware and unified sequence architectures based on scaling laws.
Pythonalgorithm-engineeringdeep-learninginterview-questions - datawhalechina/team-learning-rs
datawhalechina/team-learning-rs
7,180GitHub पर देखेंयह प्रोजेक्ट एक एंड-टू-एंड रिकमेंडेशन पाइपलाइन और फ्रेमवर्क है जिसे जेनरेटिव रिकमेंडेशन इंजन बनाने के लिए डिज़ाइन किया गया है। यह व्यक्तिगत आइटम डिस्कवरी को सुविधाजनक बनाने के लिए लार्ज लैंग्वेज मॉडल और वेक्टर सर्च का उपयोग करता है, और टोकनाइज़ेशन तथा सिमेंटिक अलाइनमेंट के माध्यम से आइटम रिकमेंडेशन तैयार करता है। सिस्टम एक जेनरेटिव रिकमेंडेशन इंजन को मल्टी-ऑब्जेक्टिव रैंकिंग सिस्टम और वेक्टर सर्च रिट्रीवल पाइपलाइन के साथ एकीकृत करता है। ये घटक आइटम्स पर इन्फरेंस करने के लिए रीजनिंग फ्रेमवर्क के उपयोग और आउटपुट परिणामों की विविधता को अनुकूलित करने के लिए री-रैंकिंग एल्गोरिदम के अनुप्रयोग की अनुमति देते हैं। यह फ्रेमवर्क रिकमेंडेशन डेवलपमेंट के पूरे लाइफसाइकिल को कवर करता है, जिसमें कैंडिडेट रिट्रीवल ऑप्टिमाइज़ेशन, यूजर प्रेफरेंस मॉडलिंग, और डिप्लॉयमेंट के लिए ऑफलाइन-ऑनलाइन पाइपलाइन स्प्लिट्स का निर्माण शामिल है। इसमें विभिन्न हार्डवेयर स्केल्स पर प्रदर्शन बनाए रखने के लिए हार्डवेयर-अवेयर सीक्वेंस मॉडलिंग भी शामिल है।
Utilizes hardware-aware and unified sequence architectures to scale performance as model and data size increase.
Python
