AUC 为何越训练越低？DSSM 中这个有用吗？只有user 和item 塔可以去掉这个么？[阿里云机器学习PAI] 暂停朗读为您朗读

AUC指的是ROC曲线下面积，是评估二分类模型性能的一种常用指标。一般情况下，AUC随着训练次数的增加应该是逐渐增加的，因为随着模型的训练，模型会逐渐学习到更多的特征和规律，从而提高模型的性能。如果AUC随着训练次数的增加而降低，可能是由于模型出现了过拟合的情况，即模型在训练集上的表现很好，但是在测试集上的表现却很差，这种情况下AUC会逐渐下降。

在DSSM（Deep Structured Semantic Model）模型中，AUC同样可以作为模型性能的评估指标之一。如果AUC随着训练次数的增加而降低，可能是由于模型过拟合或者学习率过高等原因导致的，可以通过调整超参数或采用正则化等方法来解决。另外，DSSM模型中的user和item塔通常是针对推荐场景而设计的，因此AUC指标可以帮助评估模型的推荐效果。如果您在使用DSSM模型时发现AUC指标不稳定或下降，可以考虑采取一些措施来优化模型的性能。