DIGER 可微语义 ID

定义

DIGER 通过可微离散化机制让语义 ID 学习与后续生成推荐目标联合优化。

核心判断

一阶段可缓解冻结 tokenizer 与推荐目标错配，但离散采样近似可能带来训练方差和码本不稳定。

工程检查

与冻结 RQ-VAE 两阶段基线比较生成指标、码本熵、梯度稳定性和推理成本。

本书依据

《第九章-生成式推荐模块.pdf》，PDF 第 14–16 页（9.6.1 节）。

扩展说明

训练可微化不能替代线上对无效 ID 与索引版本的检查。