DBMTL：通过前序目标输出作为后序目标输入刻画概率转移关系，概率关系的刻画是通过MLP来刻画的；目标之间如果存在内在联系，稀疏目标能利用非稀疏目标中的信息，得到特殊收益；

DBMTL与ESMM区别：直接ctr和cvr双塔相乘，是基于用户点击和点击之后再转换两个事件是独立的，可直接相乘，而拼接再过MLP的形式本身放宽了这一假设，两者没有必要是独立的，关系可以通过MLP来进行学习，进而得到CTCVR

AIT自适应信息迁移：在点击塔输出embedding后（倒数第2层，最后一层是1个节点sigmoid）后接一个32维MLP作为Info，后用一个AttentionLayer融合计算转化塔的输出和Info，然后转化塔在后面接1个sigmoid。具体为啥用Attention参考论文。后面损失加一个转化概率-点击概率的约束（感觉没必要，作用很小）。其实利用了特殊设计的注意力机制来自动为迁移信息pt-1 （点击）和原始信息qt （支付）来分配权重，而迁移的信息pt-1 是通过函数gt-1 (·)来学习的，这里gt-1 (·)可以是一个简单的全连接层，用来学习两个相邻的任务间应该迁移什么信息。而该函数的输入zt-1 是前一个任务的AIT模块的输出。也就是先对点击它倒数第二层后接一个32维MLP和Relu，然后与支付倒数第二层concat再过一个self-att自动为迁移信息（点击）和原始信息（支付）学习权重。