20260706:新增一些文章

concepts/semantic-id.md

@@ -0,0 +1,35 @@
+---
+title: "Semantic ID"
+created: 2026-06-28
+updated: 2026-06-28
+type: concept
+tags: [generative-recommendation, tokenization, quantization]
+sources: [GR4AD]
+---
+# Semantic ID
+
+语义 ID（Semantic ID，SID）是[[generative-recommendation|生成式推荐（Generative Recommendation）]]中的物品 tokenization 方法：利用 LLM/MLLM 将物品内容编码为语义嵌入，再通过分层量化（hierarchical quantization）将连续嵌入离散化为结构化的多级 token 序列。由此，推荐被转化为序列生成任务——模型自回归地预测目标物品的 SID 序列。
+
+## 设计要点
+
+1. **语义空间**：物品嵌入应符合用户兴趣的语义结构——相似物品在嵌入空间中接近，便于层次聚类
+2. **分层结构**：多级 SID（如 $s_1, s_2, s_3$）形成从粗粒度到细粒度的层次，越高层语义越泛化
+3. **碰撞率控制**：不同的物品可能被映射到相同的 SID（碰撞），需要平衡碰撞率与探索能力
+
+## 量化方法
+
+| 方法 | 代表工作 | 特点 |
+|------|---------|------|
+| RQ-VAE | TIGER | 残差量化，端到端训练 |
+| RQ-Kmeans | QARM, GR4AD | 聚类量化，基数约束 |
+| **MGMR RQ-Kmeans** | [[GR4AD]] | 多粒度多分辨率量化 |
+
+## 广告场景的特殊挑战
+
+广告物品的语义 ID 不仅需要捕捉内容语义（视频、文本），还需建模**非语义业务信号**（转化类型、广告主账户等）。[[ua-sid|UA-SID]] 通过端到端微调的广告 MLLM 嵌入 + [[mgmr-rq-kmeans|MGMR RQ-Kmeans]] 解决这一问题。
+
+## 参考
+
+- [[GR4AD]]
+- [[ua-sid|UA-SID]]
+- [[generative-recommendation|生成式推荐（Generative Recommendation）]]