Yupeng Hou

你好！ * `.inter` 代表用户和商品的交互（interactions），具体可以参考 [RecBole 数据格式](https://recbole.io/atomic_files.html)； * `.pth` 是训练后存储的模型参数，具体可参考： https://github.com/RUCAIBox/UniSRec/blob/05aa5cba2809112c32808f70d16abc61c05c6538/trainer.py#L36-L50

> 复现模型时无法补齐到50 请问是说程序会报错吗？有具体的报错 log 吗？这样可以帮助定位 bug 的位置，谢谢！

Thank you for introducing Taskade! It looks fascinating. I don’t have a strong preference regarding the inclusion of commercial products, so feel free to create a new PR and add...

Thanks for bringing AgentSquare to our attention! It looks interesting. Could you create a new [PR](https://github.com/hyp1231/awesome-llm-powered-agent/pulls) to add it? I'll merge it afterward.

This likely can’t be achieved just by tweaking some arguments. Instead, you’ll need to implement it manually. You can refer to [this example](https://github.com/RUCAIBox/RecBole/blob/master/run_example/case_study_example.py) to see how to fetch the ground...

您好，是的，都是做了数据增强的，和之前用同样数据集的论文保持一致。

我认为取决于应用场景，即哪些交互是这个场景下的待预测交互。 传统序列化推荐一般使用 leave-one-out 分割，即对于每个用户，最后交互的商品做测试，倒数第二近交互的商品做验证。这个场景下我们关注的是用户有这样的历史行为后，未来可能交互哪些商品，所以把用户下一次交互（序列最新/第二新的交互）用于测试/验证。 session-based 推荐的场景是，我们不知道用户是谁，只知道一个短时间的匿名访问点击了什么。在这种场景下，几乎不存在可以横跨模型训练和部署的 session，分配到训练/验证/测试集的 session 是彼此独立的。所以我们希望测试集中一整个 session 的交互都能准确预测，而不是只预测每个 session 最后一个交互。

从目前的报错信息来看，只能知道 `.train.inter` 或者 `.valid.inter` 或者 `.test.inter` 之中某个文件没有加载成功，因为报错在 https://github.com/RUCAIBox/RecBole/blob/7b02be5ec80a88310f2d04a27a82adfcbb5dc211/recbole/data/dataset/dataset.py#L306-L309 请问可以进相关文件里单步调试一下，或者输出一下相关变量吗？ 目前初步怀疑可能是数据集路径 / 文件格式问题。