TAAC2026 UniScaleFormer

一个面向 TAAC2026 的可训练项目模板，核心模型为 UniScaleFormer：

• 统一 tokenizer：将 item_feature / user_feature / seq_feature / item_id / user_id / timestamp 统一转成 token。
• 分类型 value adapter：int_value/int_array 走哈希 embedding，float_value/float_array 走 MLP。
• 多序列 memory 压缩：每条序列先编码，再压缩成 memory token，兼顾长序列与时延约束。
• Interleaved Query Block：用 target-aware queries 对序列 memory 做 cross-attention，再和静态 token 交替混合。
• Hybrid Head：Transformer pooled representation + FM 显式交叉。

训练

pip install -r requirements.txt
python train.py --config configs/interformer.yaml
python train.py --config configs/onetrans.yaml
python train.py --config configs/hyformer.yaml
python train.py --config configs/base.yaml  

评估

python evaluate.py --config configs/base.yaml --checkpoint outputs/base/best.pt

推理

python infer.py --config configs/base.yaml --checkpoint outputs/base/best.pt --split test --output outputs/base/test_predictions.csv

一键对比

bash compare_all.sh

scaling law

python scale_law.py --configs configs/small.yaml configs/base.yaml configs/large.yaml

数据假设

当前代码按你给出的 schema 实现：

• item_id
• item_feature
• label
• seq_feature
• timestamp
• user_feature
• user_id

默认将 positive_action_types=[1] 当作正样本。若官方正式赛定义不同，只需改 configs/*.yaml。