双塔模型把用户和物品分别编码成向量，用内积或余弦表示匹配度。优点是物品向量可离线预计算，线上只需算用户向量再做近邻检索，延迟低。
训练时用正样本拉近、负样本推远。负采样策略影响很大：随机负样本太简单，模型学不到区分度；可以加入曝光未点击的难负样本，但要注意样本偏差。
线上检索用近似最近邻，如 HNSW、IVF。牺牲少量精度换数量级的提速。索引要定期重建，物品更新频繁时增量更新能力很重要。
双塔的局限是用户和物品在编码阶段没有交互，表达力不如交叉塔。实践中用双塔做召回、交叉模型做排序，是效果和效率的常见折中。
