OneTrans 정리
- 이미지 사이즈 조절이 안돼서 정리만 먼저 올립니다!

1. 문제 정의와 기존 한계

• 1.1 기존 추천 시스템 구조
  • sequence modeling과 feature interaction이 분리됨
    • user 행동 → sequence encoder
    • feature → interaction module
  • 두 결과를 나중에 결합 (late fusion)
• 1.2 기존 방식의 문제
  • sequence ↔ feature 간 정보 교환 부족
  • end-to-end joint optimization 어려움
  • scale-up 시 성능 정체 발생

2. OneTrans 핵심 아이디어

• 2.1 Unified Modeling
  • 모든 입력을 token으로 변환
    • sequence → S-token
    • feature → NS-token
  • 하나의 Transformer에서 동시에 처리
• 2.2 핵심 목표
  • sequence modeling + feature interaction 통합
  • early fusion 구조로 interaction 강화
  • LLM 방식 최적화 적용 가능

3. Tokenization 구조

• 3.1 Non-Sequential Token (NS)
  • user / item / context feature
  • 구성 방식
    • Group-wise
      • feature 그룹별 MLP → token 생성
    • Auto-split
      • 전체 feature → 하나의 projection → split
  • 목적
    • feature를 token 형태로 변환하여 attention 가능하게 함
• 3.2 Sequential Token (S)
  • user 행동 sequence (click, purchase 등)
  • 처리 방식
    • event embedding → 공통 차원 d로 projection
    • 여러 sequence merge
      • timestamp-aware (권장)
      • intent-order (purchase → cart → click)
  • 특징
    • sequence를 압축하지 않고 그대로 유지

4. OneTrans Block 구조

• 4.1 기본 구조
  • pre-norm causal Transformer
  • 입력 순서
    • [S-tokens, NS-tokens]
• 4.2 Mixed Parameterization (핵심)
  • S-token
    • Q/K/V + FFN → shared parameter
  • NS-token
    • Q/K/V + FFN → token-specific parameter
  • 목적
    • S: 패턴 학습 (homogeneous)
    • NS: feature별 의미 보존 (heterogeneous)
• 4.3 Causal Attention 구조
  • S-token
    • 이전 sequence만 참조
  • NS-token
    • 전체 S-token 참조
    • 이전 NS-token도 참조
  • 의미
    • NS-token이 sequence 전체를 읽고 요약

5. Attention의 역할 (중요 개념)

• 5.1 단순 누적이 아님
  • 마지막 token은 모든 정보를 가지지만
  • attention으로 선택적으로 집계
• 5.2 역할 분리
  • S-token
    • context builder (sequence representation)
  • NS-token
    • query 역할 (feature-based interpretation)
• 5.3 핵심 효과
  • feature별로 다른 관점에서 sequence 해석
  • interaction 다양성 증가

6. Pyramid Stack (Sequence 압축 구조)

• 6.1 동작 방식
  • layer마다 query token 감소
    • tail token만 query 사용
  • key/value는 전체 sequence 유지
  • output은 tail만 유지 → 길이 감소
• 6.2 직관
  • 뒤쪽 token일수록 더 많은 정보 포함
  • 중요한 정보만 남기면서 압축
• 6.3 효과
  • Progressive distillation
    • 긴 sequence → 핵심 정보로 압축
  • 계산 효율 증가
    • O(L²) → O(L × L')

7. KV Caching (핵심 최적화)

• 7.1 구조 분리
  • Stage I (S-side)
    • 유저 sequence → 1번 계산
    • K/V cache 저장
  • Stage II (NS-side)
    • candidate마다 NS-token 생성
    • cached S-token과 attention
• 7.2 핵심 아이디어
  • 같은 유저 → sequence 동일
  • item만 다름 → 부분 계산만 반복
• 7.3 Cross-request caching
  • user sequence는 append-only
  • 이전 cache 재사용
  • 새 행동만 계산
    • O(L) → O(ΔL)

8. LLM 기반 최적화 적용

• 8.1 FlashAttention
  • attention 메모리 및 연산 감소
  • throughput 증가
• 8.2 Mixed Precision (FP16/BF16)
  • 메모리 절약
  • 연산 속도 증가
• 8.3 Activation Recomputation
  • forward activation 저장 안 함
  • backward 시 재계산
  • 메모리 절감