攻坚小组成立后，项目进入了新一轮的攻坚阶段。沈酌作为临时小组负责人，肩上的担子陡然加重。不仅要深化和完善自己提出的跨模态对比预训练框架，还要协调肖剑和王海川的工作，确保各个环节衔接顺畅，同时跟进实验进度，分析海量数据，及时调整方向。
预训练阶段需要在大规模数据上进行多次迭代，对GPU算力的需求呈指数级增长。尽管于华森批了额外的资源，但面如此庞大的模型训练任务，等待结果的过程依然焦灼。沈酌不得投入大量精力去编写脚本，监控训练过程，分析中间结果，以期尽早发现问题，节省时间。
于是，刚刚轻松了没多久的生活节奏，再次被拉紧。沈酌又恢复了频繁加班的模式。别墅距离公司近的优势，此刻体现在他可以更晚离开，而不用太担心末班车。晚上九点、十点离开公司成了常态，有时为了等一个关键实验的结果，甚至会更晚。
时岳对此早有预料，虽然心疼，但更多的是理解和支持。“别太拼，身体是革命的本钱。”时岳在电话里叮嘱，声音透过听筒传来，带着不容置疑的关切，“要是让我发现你瘦了，或者胃不舒服，我就直接去研发部抓人。”
沈酌心里暖洋洋的，嘴上应着“知道了”，手下敲代码的速度却一点没慢。他享受着这种被细致关怀的感觉，也更有动力去攻克眼前的难关。
这天晚上，时间已过十一点，大部分加班的同事陆续离开，只剩下零星的键盘敲击声和机器运转的低鸣。
沈酌刚提交完一组实验的最终分析报告，他揉了揉酸涩的眼睛，长舒一口气。他负责的核心对比损失函数优化方案，在最新一轮的内部数据集验证中，将多模态融合的稳定性指标又提升了2个百分点，效果显著。周博士和于华森下午看到初步数据时，都给予了高度评价，这意味着他提出的技术路线基本得到了验证，可以开始着手与下游审核任务进行更深入的集成。
紧绷的神经稍微放松，疲惫感便如潮水般涌上。他保存好所有文件，关闭电脑，开始收拾东西准备回家。这个时间点，时岳肯定还在等他。
他拿起背包，发现办公区另一个角落有一个略显单薄的身影正对着电脑屏幕敲代码，这人眉头紧锁，专注的表情中透着一丝焦虑。
沈酌记得那个年轻人，好像叫林瑞，是去年刚加入公司的硕士研究生，被分在李世林负责的一个智能推荐项目组。平时交集不多，只在茶水间或电梯里遇到过几次，看起来是个做事认真的小伙子。
这么晚了，他项目组的人好像都走了，他怎么还在？而且看表情，似乎遇到了棘手的问题。
沈酌脚步顿了顿。他本不是爱多管闲事的人，尤其是涉及到李世林项目组，下意识想避嫌。但看着林瑞那副全神贯注又难掩焦虑的样子，仿佛看到了多年前刚入职时，在深夜里独自排查问题、孤立无援的自己。心底某处柔软的地方被触动了。
他犹豫了几秒，还是调整了一下背包带子，朝着那个角落走了过去。
“林瑞？”沈酌在离他工位几步远的地方停下，声音不高，以免吓到他。
林瑞显然沉浸在自己的世界里，被这突然的声音惊得肩膀一抖，猛地转过头。看到是沈酌，他脸上闪过一丝惊讶，随即有些局促地站起来：“沈、沈工？您还没走？”
“刚忙完，准备回了。”沈酌语气平和，目光扫过他屏幕上密密麻麻的代码和 error 日志，“这么晚了，你怎么还在这？遇到难题了？”
林瑞张了张嘴，似乎想说什么，但又咽了回去，眼神有些闪烁，最终化为一个苦涩又无奈的笑容：“嗯……我们组的项目，智能推荐那个，最近在集成测试阶段出了点问题……比较麻烦。” 他顿了顿，声音低了下去，“主要责任在我负责的召回模块上，所以我留下来再琢磨琢磨，看看能不能找到问题根因。”
沈酌下意识觉得这事不简单，大概率又是李世林甩锅给新人，但林瑞既然没有明确指出，他也不好细问。
“召回模块？”沈酌走近了些，看向他的屏幕。上面正打开着一个复杂的日志文件，充斥着各种用户ID、物品ID、以及对应的分数和错误标记。“能具体说说是什么问题吗？上线后效果不达预期？还是线上线下的指标对不上？”他将对话聚焦在具体问题上，并没有提到李世林。
林瑞似乎没想到沈酌会主动询问，而且每个问题都问在点子上。他犹豫了一下，或许是实在被问题困扰已久，又或许是沈酌平和的态度让他感到安心，他最终还是开口说道：“是线上线下指标严重不一致的问题，沈工。我们离线评估的召回率和准确率都很不错，AUC也达标，但模型部署到线上AB测试环境后，核心的点击率和转化率比离线模拟时低了将近30%，而且波动很大。李副组长……和于经理那边催得很紧。”
沈酌眉头微挑。这确实是推荐系统领域一个非常经典且棘手的问题。离线环境通常使用历史日志数据，经过清洗和采样，环境相对理想化；而线上环境面对的是真实的、动态的、充满噪声的用户流量和实时反馈，两者存在天然鸿沟。但差距达到30%，且波动大，就不仅仅是“鸿沟”了，很可能意味着模型设计或数据处理流程中存在隐藏的缺陷。
“查过特征一致性吗？”沈酌问，“线上服务读取的特征，和离线训练时用的特征，确保是完全一样的pipeline生成的吗？有没有在线特征计算延迟或者取值异常的情况？”
“查过，核对过三遍了，特征工程代码和线上服务代码是同一套，数据源和时间窗口也对得上。”林瑞摇头，脸上苦恼更甚，“也排查了数据泄露的问题，确保训练数据没有包含未来信息。现在怀疑的点，可能是线上实时请求中的用户上下文特征与离线训练时用的统计型特征之间存在分布差异，或者交互方式有问题，导致模型在线上的泛化能力急剧下降。”
他边说边调出几张图表，展示离线训练特征和线上抽样请求特征的分布对比。沈酌凑近仔细看了看，确实，一些实时特征的分布在线上线下的差异比较明显，尤其是某些稀疏特征。
“你们召回模型用的什么架构？双塔？还是更复杂的序列模型？”沈酌继续问。
“是双塔结构，用户塔和物品塔分别编码，然后内积计算相关性。”林瑞回答，“用户塔输入包含用户基础属性、历史行为序列聚合特征，以及刚刚说的那些实时上下文特征；物品塔主要是物品静态属性和动态统计特征。”
沈酌若有所思。双塔结构在推荐系统召回阶段应用广泛，优势是速度快，便于做大规模向量检索。但劣势也很明显：用户和物品的特征在塔内编码后，交互方式过于简单，通常就是内积或余弦相似度，难以捕捉复杂的非线性关系，尤其是当引入大量实时、稀疏、高维的上下文特征时，模型可能无法有效学习和利用它们。
“有没有考虑过，问题可能不在于特征本身，而在于双塔结构对这类实时稀疏特征的‘表达’和‘利用’效率不够？”沈酌提出一个方向，“实时上下文特征往往非常稀疏且信号微弱，在双塔里，它们只是和其他特征一起被扔进用户塔的DNN里，期望网络能自己学到有用的组合。但DNN在处理大量稀疏特征时，容易陷入局部优化，或者某些重要但稀疏的特征信号被淹没。”
林瑞眼睛微微一亮，似乎被点醒了什么：“沈工，您的意思是……可能需要针对实时特征设计更专门的交互或融合模块？而不是简单地和历史特征混在一起喂给DNN？”
“对。”沈酌点头，他拉过旁边一把闲置的椅子坐下，示意林瑞也坐，“我们可以把问题拆开看。离线训练效果好，说明模型基本框架和大部分特征是有效的。线上效果骤降，重点怀疑新引入的、且线上线下分布差异大的实时特征。双塔结构的表达能力可能不足以处理好这些特征。”
他顿了顿，组织了一下语言，继续说：“我建议你可以从这几个方向试试：
第一，特征重要性分析与过滤。用一些方法分析一下，比如permutation importance，SHAP值，在线上低点击样本中，哪些实时特征的贡献度异常低或者干脆是负向？是不是有些特征噪声太大，反而干扰了模型？可以考虑先做一波严格的过滤，或者给实时特征加更强的正则化。
第二，改进特征交互方式。与其把所有特征一股脑儿塞进DNN，不如尝试显式地建模实时特征与核心用户画像特征、物品特征的交互。比如，可以引入一个轻量级的注意力网络，让模型自己学习在不同的上下文下，应该更关注用户历史行为中的哪些部分，或者物品属性的哪些方面。或者，对于某些关键的实时特征，比如‘当前搜索词’，可以设计特定的交叉层，让它与用户长期兴趣、物品类别等进行显式交叉，增强信号。
第三，考虑在线学习或动态适配。如果实时特征分布变化很快，静态训练好的模型可能跟不上。可以探索在召回阶段引入轻量级的在线学习机制，比如用实时反馈流对用户塔最上层的参数进行微调，或者维护一个实时特征到用户兴趣偏移的查找表，动态调整召回策略。
当然，这些改动都需要谨慎评估和AB测试。你可以先从一个最小的改动开始验证，比如先加一个简单的实时特征注意力模块，看看线上指标是否有改善。如果有效，再逐步深入。”
沈酌的声音平稳清晰，将复杂的问题拆解成具体的、可执行的步骤。他没有给出确定的答案，而是提供了几种经过深思的、有理论依据的探索方向。这比直接告诉对方“你应该怎么做”更有价值，也更能启发思考。
林瑞听得非常认真，眼睛越来越亮，之前的焦虑和迷茫被一种豁然开朗的兴奋所取代。他飞快地在自己的笔记本上记录着关键词，不住地点头：“特征过滤和注意力机制！对，这个思路很清晰！我们之前总想着把特征做得更全更细，可能反而引入了噪声，而且交互太隐式了。沈工，您说得太对了！我明天……不，我现在就按这个思路重新设计一下实验方案！”
看着他重新燃起斗志的样子，沈酌笑了笑，站起身：“思路仅供参考，具体实现还得你自己把握。不过，现在太晚了，身体要紧。问题不是一晚上就能解决的，先回去休息，养足精神，明天再战效率更高。”
林瑞这才注意到时间已经接近午夜，脸上露出不好意思的神情：“谢谢沈工！真的……太感谢您了！耽误您这么久，还给我这么宝贵的建议！” 他站起身，郑重地向沈酌鞠了一躬。
“不用客气，都是同事。”沈酌摆摆手，“赶紧收拾一下，一起下去吧。路上小心。”
两人一同关了灯，锁好门，走向电梯。深夜的公司大楼格外安静，只有他们的脚步声在走廊里回响。
回到家，别墅里留着一盏暖黄的廊灯。沈酌轻手轻脚地进门，换鞋，发现客厅的沙发边几上放着一杯温水，下面压着一张便签，是时岳凌厉的字迹：“饭在厨房温着，牛奶在微波炉，热一分钟，记得喝。我先睡了，别工作太晚。”
沈酌拿起水杯喝了一口，温水滋润了有些干涩的喉咙，也熨帖了疲惫的心。他走到厨房，果然看到保温饭盒和微波炉里温着的牛奶。饭菜是清淡可口的粤式小炒和炖汤，显然是时岳估摸着他今晚又会晚归，特意准备的。
快速吃完宵夜，洗完澡，回到卧室，时岳已经睡着了。沈酌悄悄躺到他身边，小心地没有惊动他。然而，他刚躺下，时岳的手臂就习惯性地伸过来，将他揽进怀里，迷迷糊糊地嘟囔了一句：“回来了？”
“嗯，晚安。”沈酌轻声回答，在他怀里找了个舒适的位置。”时岳的下巴蹭了蹭他的发顶，手臂收紧，很快呼吸又变得均匀绵长。