机器学习PAI我离线测了一下， 这里的separator 是针对单特征 多值的分割吗？

在机器学习PAI中，separator的确应用于多值特征的分割。例如，有些离散特征可能有多个取值，如一个人喜欢的NBA球队，有的人可能喜欢火箭和湖人，有的人可能只喜欢勇士，也有的人喜欢骑士、绿军、猛龙等一大堆。对于这种特征，需要使用separator进行正确的分隔处理。

但需要注意的是，这里的separator不仅仅限于对离散特征的分割，它也可以应用于连续型特征的离散化处理。离散化的优势在于它可以映射到高维度空间，使线性的LR更快，且有更好的分割性；同时0,1向量内积乘法运算速度快，计算结果方便存储，容易扩展。

这个目前是分为两步，一个是 fg, 一个是 EasyRec 。fg 的话你只需要看到 fg 的结果满足你的要求就可以。EasyRec 的话你这个应该是只需要关注 EasyRec config 的配置就可以。序列之间的分隔符用 separator (详细处理过程见代码：https://github.com/alibaba/EasyRec/blob/master/easy_rec/python/input/input.py#L667) ，多值的分隔符用 seq_multi_sep (见代码：https://github.com/alibaba/EasyRec/blob/master/easy_rec/python/input/input.py#L668C23-L668C36) ，此回答整理自钉群“【EasyRec】推荐算法交流群”