欢迎友好讨论，信息共享1. 多任务模型中CTR/CVR/时长预测任务的关系？如何解决任务冲突？2. 特征重要度计算：Permutation Importance和SHAP值的区别？哪种更适合深度模型？3. 高基数类别特征（如UserID）的Embedding维度如何确定？4. 实验指标：AUC提升但线上CTR未涨，可能原因？（数据分布差异、特征穿越等）5. 多模态特征（文本/图像）如何融入推荐模型？6. MMoE中Expert数量的选择依据？（业务任务数、模型容量等）7. 多任务学习的"跷跷板现象"解决方案：PLE结构比MMoE改进在哪？8. 负采样对CTR预估的影响？如何校准采样后的预估值？（通过采样率调整logit）9. GAUC的计算公式？相比AUC的优势？10. 实时推荐系统中如何保证特征一致性？（特征快照+版本控制）11. 逆序对数量（归并排序变种）12. 带权重的随机抽样