feat: dedup_embedding 选项 — 查表前对sign去重(slot19等高重复),减少大表随机访存

profile显示embedding查表现为头号瓶颈(32%)。torch.unique去重后只查唯一sign
再按逆索引展开,数学逐位等价(AUC不变),省最贵的大表随机gather。bench --dedup-emb。

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

代码/code/infer.py

@@ -52,6 +52,7 @@ CONFIG = {
     "fuse_embedding": True,   # True=28个slot的查表+池化融合为1次(减per-batch kernel启动)
     "syncfree_mask": True,    # True=用searchsorted构造因果mask(无同步)；False=repeat_interleave(同步)
     "emb_fp16": True,         # True=Embedding表转FP16(查表带宽减半,实测AUC 0.75932≈无损)
+    "dedup_embedding": False, # True=查表前对sign去重(只查唯一值再展开),减少大表随机访存。数学等价
     "compile": False,         # 是否 torch.compile（实测慢5×，勿开）
 }
 
@@ -380,7 +381,12 @@ class RepEncoder(nn.Module):
         cat_values = self._signid(torch.cat(parts), max_idx)
         seg = torch.cat([torch.zeros(1, dtype=torch.long, device=cat_values.device),
                          torch.cat(ends)])   # [28*N + 1]
-        emb = self.emb(cat_values).to(target_dtype)
+        if CONFIG.get("dedup_embedding", False):
+            # 去重：只对唯一 sign 查大表，再按逆索引展开（数学逐位等价，省随机访存）
+            uniq, inv = torch.unique(cat_values, return_inverse=True)
+            emb = self.emb(uniq).to(target_dtype)[inv]
+        else:
+            emb = self.emb(cat_values).to(target_dtype)
         pooled = torch.segment_reduce(emb, reduce='sum', offsets=seg, initial=0)  # [28*N, emb]
         pooled = pooled.view(self.slot_num, N, self.emb_dim).permute(1, 0, 2).reshape(
             N, self.slot_num * self.emb_dim)