求教一个机器学习PAI问题，这个emb共享是在共享combiner后的emb吗？

在机器学习PAI中，要实现特征的embedding共享，通常需要确保这些特征具有相同的embedding_name。对于你提到的三种特征类型：单独的ID特征、KV特征和序列特征（seq特征），下面是一些建议：

1. ID特征：如果你的ID特征不需要combiner操作，可以为这个特征创建一个独立的embedding，并指定一个唯一的embedding_name。这样，它就可以独立于其他特征进行嵌入学习。
2. KV特征：对于KV特征，你已经提到了使用combiner（例如mean）来处理特征。如果你想共享类别特征的embedding，确保KV特征的embedding_name与要共享的类别特征的embedding_name相同。这样，它们就可以共享同一个embedding矩阵。
3. 序列特征：序列特征通常不使用combiner，因为它们是按序列处理的。如果你想共享序列中的某个特定特征的embedding，你需要确保这个特征在序列中的表示与你想要共享的特征具有相同的embedding_name。

此外，关于多值特征的共享问题，多值特征通常指的是那些具有多个可能值的特征，例如一个ID特征可能有多个不同的ID值。在这种情况下，如果你想共享这样的特征，你需要确保所有想要共享的特征使用相同的embedding_name。这样，无论特征的具体值是什么，它们都会使用同一个embedding矩阵。

综上所述，为了在机器学习PAI中实现特征的embedding共享，你需要确保想要共享的特征具有相同的embedding_name。对于不同类型的特征（ID、KV、序列），你可能需要根据特征的处理方式（是否需要combiner）来决定如何配置它们的embedding_name。对于多值特征，同样的原则适用，即共享的特征应该具有相同的embedding_name。

一般同一类的combiner都类似的吧，要么sum，要么mean，sequence的一般不会combine，idfeature设啥都不影响，共享combine之前的embedding， seq不需要combine， id也不需要combine ，此回答整理自钉群“【EasyRec】推荐算法交流群”