Что берём за позитив и негатив при обучении двухбашенной сети, и какой loss используется?

Позитивы обычно берут из целевых взаимодействий пользователя с объектом, негативы — из показанных или выбранных по правилам кандидатов. Две башни обучают давать больший similarity релевантным парам.

Часто используют contrastive softmax с in-batch negatives, pairwise или triplet loss. Непоказанный объект не обязательно плохой, а случайный negative может оказаться релевантным. Учитывайте популярностное смещение, ложные негативы и доступность признаков в момент рекомендации.