CTI-Inference-Opt/CLAUDE.md

CLAUDE.md

This file provides guidance to Claude Code (claude.ai/code) when working with code in this repository.

项目概述

百度商业AI技术创新大赛 (CTI) 2026 — 生成式推荐广告排序推理性能优化。

目标：给定 GRAB Transformer 模型，在不改模型结构、不在测试集训练的前提下，极致优化推理性能。量化/稀疏/剪枝明确允许。

环境与常用命令

# 激活虚拟环境
.\.venv\Scripts\Activate.ps1

# 本地运行推理（需要 dataset/ 和 ckpt.pt）
.\.venv\Scripts\python.exe 代码\code\infer.py
.\.venv\Scripts\python.exe 代码\code\infer.py --ckpt path/to/ckpt.pt

# AI Studio SDK（下载数据集、提交）
.\.venv\Scripts\aistudio.exe download --dataset <id> --local_dir ./dataset --token <token>
.\.venv\Scripts\aistudio.exe download --model <id> --local_dir . --token <token>

# 打包提交
cd 代码/code && zip -r ../../submit.zip infer.py requirements.txt build_env.sh

本地环境仅装 numpy + tqdm + aistudio-sdk（轻量），完整 PyTorch 依赖见 代码/code/requirements.txt，训练/推理在服务端跑。

代码架构

infer.py  (单文件，~730 行，所有逻辑集中于此)
├── 数据加载层
│   ├── _detect_has_clk()          — 检测 CSV 是否有 clk 列
│   ├── load_sample_files()        — 加载 CSV → item_dict + user_seq
│   ├── load_logids_from_file()    — 快速提取文件中所有 logid
│   └── CTRUserDataset(Dataset)    — 按用户组织的 CTR 数据集
│       └── make_collate_fn()      — 将用户样本拼接为 batch（含 slot 特征展开）
├── 模型层
│   ├── RepEncoder                 — Slot-wise Embedding → LayerNorm → Linear
│   │   └── Embedding(5M vocab, 512d) × 28 slots → segment_reduce(sum) → concat
│   ├── TransformerEncoder (8 层)
│   │   ├── QKV Projection → Multi-Head Attention (scaled_dot_product)
│   │   ├── SMoE FFN（8 experts, Top-2 gating, 每层独立）
│   │   └── Pre-LayerNorm + Residual
│   ├── CTRModel                   — RepEncoder + Transformer → Linear → logit
│   │   └── Causal mask: 同一用户的 tokens 因果遮罩，不同用户隔离
│   └── load_model(ckpt_path, device) — 模型构建 + 权重加载入口
├── 推理循环 (main)
│   ├── 数据加载（优先缓存 shard_*.pt）
│   ├── 逐 batch 推理 + 计时（只计 model(batch) 耗时）
│   └── 按 test.csv 顺序写 predict.txt
└── 打分工具
    └── _cal_score() — AUC + PCOC + latency → score_all

模型参数规模：Embedding 5M×512 + 8 层 Transformer (d_model=512, n_heads=8, dim_ff=1024) × MoE(8 experts) ≈ 6.5M11.3M 参数。

关键接口（评测系统调用契约）

评测系统通过 from infer import ... 加载代码，以下是必须对齐的接口（来自 代码/任务提交接口说明.md）：

接口	签名	说明
load_sample_files	(sample_files_list: List[Path]) -> (item_dict, user_seq)	数据加载
CTRTestSeqDataset	(test_logids_ordered, item_dict, user_seq, max_feasign_per_slot, max_ctx_len)	必须有 max_slot_id 属性
make_collate_fn	(max_slot_id) -> Callable	DataLoader 的 collate_fn
load_model	(ckpt_path: Path) -> (model, device)	第一个参数是 Path
move_batch_to_device	(batch, device) -> batch
model(batch)	-> (logits, moe_loss)	logits 经 sigmoid 后是点击概率

致命不匹配（baseline infer.py 当前存在，提交前必须修复）：

1. 类名 CTRUserDataset → 应为 CTRTestSeqDataset
2. 构造参数 pred_logids → 应为 test_logids_ordered，缺少 max_ctx_len
3. load_model(device='cuda:0', ckpt_path=None) → 应为 load_model(ckpt_path, device='cuda:0')（Path 作为第一参数）

提交规范

压缩包结构

submit.zip
├── infer.py              # 必需，实现上述全部接口
├── requirements.txt      # 可选，阿里云 PyPI 镜像安装
└── build_env.sh          # 可选，超时 720s，非 0 退出即失败

硬约束（任一违反 → 总分 0）

• 推理耗时 < 300s（只计 model(batch) 逐 batch 累加）
• AUC ∈ [0.65, 1.0]，PCOC ∈ [0.85, 1.15]
• 压缩包内不能有 dataset/ 或 ckpt.pt
• 包后缀只能是 .zip/.tar.gz/.tar，解压后文件在根目录
• 每天最多提交 10 次

总分公式

score_latency = max(0, (300 - latency) / 300)
score_model   = ((AUC - 0.65) * 1000 + (0.15 - |PCOC - 1|) / 0.15 * 10) / 360
score_all     = score_latency * 70 + score_model * 30

优化路线图（来自 推理优化方案.md）

Baseline 数据：推理 229s，AUC 0.759，PCOC 1.110，得分 25.85。

1. 接口对齐（必须先做）— 确认能在评测系统跑通（得分 > 0）
2. FP16 量化 — model.half()，Embedding 保留 FP32，预期 229s → ~120s
3. Flash Attention — 替换 scaled_dot_product 为 F.scaled_dot_product_attention，数学等价
4. torch.compile — mode="reduce-overhead" → "max-autotune"，build_env.sh 中预热
5. 数据流优化 — 缓存时预转 FP16 + 预搬到 GPU
6. MoE 优化 — 统计 expert 负载，合并/移除低频 expert
7. INT8 量化（可选）— 精度风险较高，仅在前几步不够时尝试

CUDA Graph 已评估并放弃（batch 形状不固定，不适用）。

每步完成后必须在 AI Studio 提交验证，AUC/PCOC 不达标立即回退。

关键文件

路径	用途
代码/code/infer.py	推理主脚本（提交的核心文件）
代码/code/requirements.txt	服务端依赖（torch 2.6.0 + CUDA 12.4）
代码/code/build_env.sh	环境构建脚本（目前为空壳）
代码/任务提交接口说明.md	官方接口规范
推理优化方案.md	完整优化方案（含合规审查）
论文/GRAB_*.pdf	GRAB 论文（baseline 模型）
论文/HSTU_*.pdf	HSTU 论文（架构基础）
.gitignore	排除 ckpt.pt, dataset/, *.zip, .venv/

提交记录

日期	提交次数	得分	优化手段	备注
-	-	-	-	-