编号类型领域模块子模块详细建模与配置（七段+代码/参数/环境）关联知识+实践+标准+实验S3501推荐优化召回图召回UltraGCN / LightGCN1）观测：传统 GCN 存在过平滑，且训练收敛慢。2）根因：UltraGCN 通过显式约束用户-物品之间的直接相似性，跳过层间传播，加速收敛并提高召回精度；LightGCN 去除特征变换和非线性激活，仅保留邻域聚合。3）组合：UltraGCN 的约束权重 λ（0.1~0.5），负采样数（1~10），LightGCN 层数（2~4），嵌入维度（64~256）。4）数值：10 台服务器：UltraGCN 在 Yelp2018 上 Recall@20 提升 8%（vs LightGCN）。100 台：LightGCN 在 Gowalla 上 Recall@20 0.683。1000 台：十亿级图召回。1 万台：全局。10 万台：全局。100 万台：全局。1000 万台：自规模。5）阈值：若 Recall@20 0.6，则增加层数或嵌入维度。6）动作 【 infrastructure】【数据中心】【AI infra】第三篇 MLSYS / AI infra 的 Scaling 知识体系20
编号类型领域模块子模块详细建模与配置（七段+代码/参数/环境）关联知识+实践+标准+实验S3501推荐优化召回图召回UltraGCN / LightGCN1）观测：传统 GCN 存在过平滑，且训练收敛慢。2）根因：UltraGCN 通过显式约束用户-物品之间的直接相似性，跳过层间传播，加速收敛并提高召回精度；LightGCN 去除特征变换和非线性激活，仅保留邻域聚合。3）组合：UltraGCN 的约束权重 λ（0.1~0.5），负采样数（1~10），LightGCN 层数（2~4），嵌入维度（64~256）。4）数值：10 台服务器：UltraGCN 在 Yelp2018 上 Recall@20 提升 8%（vs LightGCN）。100 台：LightGCN 在 Gowalla 上 Recall@20 0.683。1000 台：十亿级图召回。1 万台：全局。10 万台：全局。100 万台：全局。1000 万台：自规模。5）阈值：若 Recall@20 0.6，则增加层数或嵌入维度。6）动作