【数据湖与开放表格式】湖上 AI 与向量
湖仓如何承接 AI 负载：embedding/特征/训练样本存湖、按 snapshot 固定数据版本做可复现训练，以及 Parquet 在随机访问和向量检索上的短板。用本机实测对比 Lance 与 Parquet 的顺序扫描与按行随机 take，讲清 Lance 为何为随机访问与向量而生，并划清湖侧存储与专用向量引擎的边界。
feature-store 标签归档
共 2 篇文章 · 返回首页
【量化交易】特征存储与时间对齐：point-in-time 正确性
把"特征仓库"从一般 ML Feature Store 的语义中拉回到量化的语境：所有问题最终归到一个时间正确性约束。本文给出 bitemporal 的特征模型、Polars / DuckDB 上的 as_of_join 实现、版本化与血缘策略、以及离线和在线一致性的工程做法，并附一份从研究落到生产的检查表。