Netflix 技术博客 MAPS 一文的学习笔记：素材个性化（海报、视频预览）长期受困于冷启动——新素材没有交互历史，模型把它当成不透明 ID，只能靠探索流量和人气启发式硬扛；解法是把 CLIP、MediaFM 等多模态向量直接拼进素材表示，让模型「看见听见」素材内容，偏好沿向量空间即时迁移；由此五个画布模型合并为一个，配合长期奖励加权和 IPS 离线评估，消融实验显示两个成分缺一不可（V3 在 short-panel 上提升 5.691%）；视频侧 MediaFM 以 8000 万镜头训练、融合视觉音频文本三模态，排序 MediaFM ＞ SeqCLIP ＞ 纯 ID；另有线性探针代理任务低成本筛选向量、Embedding Store 解耦地基模型与下游上线。对工程师的启示：内容特征不工作时先找第二个阻塞因子，评估体系的纯度比模型更重要。

分享我开发的方糖猫 AI 视频平台中 RAG 本地素材库的构建经验，包括 Embedding 选型、向量库设计、召回调优和工程化落地细节。

基于《生成式AI原理与实战 —— Part 3》，把文本嵌入模型、分类任务表示微调、生成模型微调与对齐等核心概念整理成适合初级开发者的长文。用 Mermaid 图例讲解对比学习、双塔/交叉编码器、SetFit、LoRA/QLoRA、PPO/DPO 等关键技术。