GRID

用语义ID生成式推荐，告别随机ID，冷启动更准

GRID 是一个基于生成式推荐与语义 ID 的开源模型项目，由字节跳动团队提出。它解决传统推荐系统中用户和物品 ID 缺乏语义信息、难以泛化的问题。核心能力是将物品的语义特征（如文本、图像）编码为离散的语义 ID，并通过生成式模型直接预测用户下一交互的语义 ID，从而完成推荐。项目提供了完整的训练和推理代码，支持大规模数据处理，并展示了在多个数据集上的效果提升。其创新点在于用语义 ID 替代随机 ID，使推荐模型具备更强的泛化能力和冷启动处理能力。

开源 free 开源模型
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 744
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类开源模型
开发团队snap-research
所属国家
官网地址
GitHubhttps://github.com/snap-research/GRID
定价模式free
价格说明开源项目，本地部署，完全免费。
访问状态
是否开源是
开源协议NOASSERTION
主要语言Python
技术栈/模型generative-recommenders,large-language-models,recommender-systems,recsys,semantic-id,sequential-recommendation
GitHub 星标★ 744
30天Star增速
HF 下载量
上线时间2025-06-16 00:00:00
最近更新2026-09-23 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数2

使用教程

核心亮点

  • 语义ID编码让物品特征可泛化，冷启动场景效果显著
  • 生成式框架统一了召回与排序，简化推荐流程
  • 代码结构清晰，附带数据集预处理脚本，复现门槛低

不足之处

  • 依赖预训练语义模型，额外计算开销较大
  • 文档/社区待观察，早期项目示例和教程较少

适用场景

  • 电商商品推荐，利用商品描述生成语义ID提升新品的推荐效果
  • 内容平台（如新闻、视频）的个性化推送，处理冷门内容
  • 大规模召回场景，用生成式模型替代传统双塔结构

替代项目

TDM（Tree-based Deep Model）、JTM（Joint Tree Model）、LightGCN

项目介绍

GRID 是行业应用领域的开源项目，由 snap-research 开发，2025 年首次发布。

它收录于行业应用分类，该分类目前共有 544 个项目，GitHub 星标数为 744。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-23。本地部署，完全免费。

它主要面向的使用场景是：电商商品推荐，利用商品描述生成语义ID提升新品的推荐效果。同类可对比的替代方案包括 TDM（Tree-based Deep Model）、JTM（Joint Tree Model）、LightGCN。

上一篇：Awesome-RS-SpatioTemporal-VLMs

下一篇：GenAI4AD

同类项目推荐

xmgai-like 开源

换脸、艺术二维码随手玩，副业灵感一包带走。

本开源 AI 副业搞钱项目集成了强大功能，包括 AI 艺术二维码生成、AI 换脸、Delle3 绘画等···

★ 60 2026-08-09
spoken-to-signed-translation 开源

把口语文本一路转成手语视频的流水线

a text-to-gloss-to-pose-to-video pipeline for spoken to signed language translation

★ 102 2026-09-11
LiveTranslate 开源

直播看片实时翻译，字幕秒出，跨语言无压力

Real-time audio translation, captures system audio + mic, runs ASR (Whisper/SenseVoi···

★ 691 2026-08-13