Section 1: 📊 Trend Analysis

• 🔥 Semantic ID 统一化与动态化：今日三篇工业界论文（快手、DoorDash）不约而同聚焦 Semantic ID 的工程化升级。快手用单级大码本替代多级残差量化，DoorDash 用单一层次化 SID 同时支撑推荐排序与搜索改写。共同趋势是：从"多级小码本"走向"单级大码本"，从静态码本走向曝光感知的动态更新，以解决码本漂移、解码开销大、跨任务表示割裂等落地痛点。

• 💡 LLM 与知识增强的"轻量化"落地：无论是百度 Clarify-Then-Search 的澄清-重写-检索链路，还是 CAIRO 的上下文感知物品画像，都在探索 LLM 在推荐/搜索中的实用路径。共同特点是强调 serving 开销可控（轻量级 profiler、离线计算、推理零额外成本），而非盲目堆大模型。知识图谱去噪（AdaptedKG）同样走"离线算好、推理免费"的路线，说明工业界对 LLM/知识增强的落地约束高度敏感。

Section 3: 📰 Daily Digest

1. From a Static Multi-Level Small Semantic Codebook to a Dynamic Single-Level Large Semantic Codebook for Generative Recommendation

2. Clarify-Then-Search: A Clarification Benchmark for Deep Search with End-to-End Nugget Restoration

3. One Hierarchy, Two Systems: Semantic Product IDs for Discovery-Surface Ranking and Search-Page Query Reformulation

4. Profiling What Matters: Context-Aware Item Profiles from Large-Scale Metadata for LLM Recommenders

5. Adapting Knowledge Graphs for Behavior Denoising in Sequential Recommendation

• 标题：## 🎯 今日主题：LLM 重排器用物品画像还是原始元数据更省效果好？

• 引子：约200字

• 正文 H3：按research_plan三个子问题：

• 工业落地启示：约300字

• 核心问题：预生成画像 vs 每请求直接喂原文/重复 prompt。用 Ocean4Rec 作为范例，离线用 LLM 一次性生成 OCEAN profile，在线无 LLM 调用，改数值 rerank。具体数字：NDCG@20 +7.6% 和 +61.5%，HR@20 +67.3% LightGCN [Samsung]，5维 OCEAN，Gemini 2.5 Pro，90-day lookback [Samsung]，missing-profile fallback [Samsung]，隐私边界 [Samsung]。
• 画像压缩 token 预算：RecGPT-V2 将 item entity 压缩为 atomic representation 12:1，用户 profile 从 21349 -> 5158 tokens，76% 减少，用 adaptor-based projection 保持 LLM frozen [Taobao]。这属于 item profile 压缩。
• 与原始元数据对比：LLMAR 在稀疏文本丰富工业域用知识增强物品表示，tuning-free [Industrial Authors] [Industrial Authors]。GenRec at Netflix 使用 context engineering，LLM-native ranking，优化 context length [Netflix] [netflixtechblog.com]。可能是原始 item title 和 metadata 作为输入，但需要更仔细找：GenRec 可能使用特殊 token 和 context engineering [[Netflix] section]. 可以引：Netflix GenRec 将推荐建模为上下文工程，把原始 item 描述、用户历史序列化给 LLM，并通过 post-training 和 context length 优化控制成本 [Netflix]；但这可能不准确？[Netflix]只是目录，标题表示 LLM-backed ranker at Netflix。[netflixtechblog.com]是博客，可能提供更多细节? 在材料中只有没有正文内容。谨慎表达：Netflix 公开了 GenRec 这个 LLM ranker，并讨论了 context engineering 和 context length optimization [netflixtechblog.com]，暗示即使以原始文本为主，也要压缩输入序列。还是引用目录文本里 "Context Length Optimization" [Netflix]，可以写 "GenRec 在实验一节专门做了 context length 优化 [Netflix]" 这样可以。
• 画像生成成本：用 LLM 离线跑一次，但需要检視生成精度。Ocean4Rec 对不合法输出重试，无法恢复的 fallback [Samsung]；用户画像用时间衰减聚合，90-day half-life [Samsung]。
• 结论：画像方式在需要稳定延迟和低请求成本时更好；原始元数据适合小候选集和离线/低 QPS。但精度曲线取决于 base recommender 强弱点：LightGCN 增益大，NCF 中等 [Samsung]。

• 说明 pre-LLM：在序列化或 embedding 阶段把 CF 信号拼进 prompt/representation；post-LLM：像 Ocean4Rec/CoRRe? 材料没有直接的 CoRRe，但 Ocean4Rec 是 offline LLM 画像 + 在线 user profile 是行为聚合，这属于用户侧协同信号在数值 rerank 阶段注入，可以视作 post-LLM。还有 HLLM 的 Item-LLM 压缩 item description，User-LLM 输入历史商品的 item embedding，其中协作信号来自 item embedding 是否被训练？原文说 Item LLM takes text description, 输出 item embedding; User LLM inputs item embeddings of user's historical interactions and predicts next item; 所有 LLM 参数可训练，优化 next item。这意味着 Item LLM 在训练过程中通过 next item prediction 学到协同信号，属于 pre-LLM 注入到 item embedding。可以写：HLLM 用两阶段 LLM：Item LLM 把文本描述编码成单 embedding，User LLM 只看该 embedding 序列，协同信号通过 next-item 目标反传 [2409.12740] [Alibaba]。
• LC-Rec：纯文本方法难做全量排序，必须引入协同语义；TIGER/P5 直接转成 ID 序列，忽略语言语义 [Tencent]。因此时机选择：文本先转成 item index 再进 LLM，或用 adaptor 把 CF embedding 与 token embedding 拼接。
• 材料 [Snap]：LLM-as-RS 中注入外部 CF embeddings，用 trainable MLP adapter 拼接进 token embeddings；增益随 LLM backbone 增大而减小，即 CF 信号在大 LLM 里的边际价值下降。这是一个关键数量关系：当 LLM 从 0.5B 到 7B，CF embedding 的增量收益递减。可以用这个来谈时机：pre-LLM 用 adapter 注入 CF embeddings 在中小模型更有用。
• [Tencent]：纯文本 LLM 不自然观察到 CF 信号；agent/tool-augmented 可以主动检索，但会牺牲推理可解释性。可以引出 post-LLM/工具增强的取舍。
• post-LLM 方案：Ocean4Rec 用离线 LLM 生成 item OCEAN profile，用户 profile 由行为聚合生成（时间衰减点击），在线 rerank 直接计算相似度，没有 LLM 调用 [Samsung]。这实际上把协同信号放在 LLM 输出之后，变成数值特征，与 CF 模型的结果拼接。
• PLUM 对动态 CF embedding 的担忧：CF item embeddings 随 item popularity 变化，迫使频繁重训 quantizer/downstream，因此他们用 CF 信号作为对比学习目标而不是直接 concat [Google]。这进一步说明 pre-LLM 注入的动态性。
• CALMRec 使用 grounded semantic atoms、tri-timescale memory（short-term intent, exposure trace, exposure-corrected long-term preference），进行 long-horizon rerank [Shenzhen]。这种记忆结构可视为把协同/暴露信号组织和压缩成原子，供 rerank 使用，是时间和因果对齐的 pre 或 post？我们可以合理描述：CALMRec 将用户长期偏好与曝光纠偏打包成记忆，候选排序时读入，类似 post-LLM memory injection [Shenzhen]。
• 结论：pre-LLM 注入（拼接/adaptor）容易实现，但动态和收益随规模递减；post-LLM/数值侧注入（离线圈画像 + 在线聚合）更稳、易解释，但损失端到端语义。工业上倾向先做 post-LLM 画像，再逐步在中小模型上加 adapter。

• 这是当前子问题。材料中 [Malt] 是 long-context ranking architecture with calibrated LLM distillation：将生成式 LLM 的语义推理蒸馏到 lightweight student，产生 calibrated relevant score，并用 distillation loss 同时优化 ranking 和 score magnitude [Malt]。这是紧凑LLM的路径，不是层间退出。[Pinterest] fine-tuned LLM as complementary predictor 也是 compact LLM。[Tubi] TubiFM: unified ranking for streaming, maybe text-to-text。[Amazon] REPREC representation-driven parameter-efficient with injector user-to-LLM projection. [Netflix] GenRec cost optimizations. Hmm 我们的 picked 子问题3是来自种子 paper 2608.17316 FLEXRec 层间退出，但材料里没有 FLEXRec。不过材料里 [Malt] 有蒸馏到轻量模型，[Pinterest] 有 compact LLM。[Industrial Authors] LLMAR tuning-free. Need focus on "层间退出" specifically? 子问题写的 "紧凑 LLM 层间退出如何降低重排延迟且保持排序质量"。材料可能没有直接层间退出，但我们可以用蒸馏到紧凑学生模型讨论 latency-quality，并 point out 另一种路径是蒸馏到 lightweight ranking model 而非层间退出。不过要确保引用。我们可以说：与其在 LLM 内部做层间退出，最近工业材料更多采用"教师-学生蒸馏"把 LLM 推理压缩成轻量 reranker（如 [Malt]）或把 LLM 变成互补预测器（[Pinterest]）。层间退出的想法是把推理成本按输入难度分配，但目前未见材料支持。Need not invent. 可以基于 [Malt] 讨论 compact reranker 的 latency 改进方向：distillation loss 结合 ranking 和 score magnitude，保持 calibration。[Pinterest] 展示 compact LLM predictions 可用于 retrieval and ranking stages with acceptable latency/cost envelopes，他们 fine-tune LLM 作为 advertiser-prediction task。这可以说明用 compact LLM 做 side signal，而非 full rerank，减少延迟。
• 也可以联系 web-12 REPREC: parameter-efficient, injector: User-to-LLM projection, prompt length reduced; training/inference prompt lengths (RQ3) [Amazon]. 这说明用表示投影压缩 prompt 来降延迟。REPREC 的好处是参数高效。
• [Taobao] RecGPT-V2 压缩 item description 为 atomic representation，减少 token，也降低后续 LLM rerank 延迟。属于 item-profile 压缩 side。
• GenRec 有 online serving and cost optimizations section [Netflix]; 讲 context length optimization [Netflix]. 可以引：在 Netflix GenRec 中，成本优化和 context 长度是上线前必须处理的模块 [Netflix].
• web-15 LLM leaderboard 不相关。web-7/8/9 不相关。
• 对于层间退出本身，只能诚实地说：目前公开材料里更常见的是不依赖动态退出的蒸馏/压缩路径，层间退出仍需证明与 RAG 材料中 compact 模型的竞争力。但这是一个 meta 说法，可以吗？它本身不是无引用论断，而是对材料的归纳，可以写。但要注意不出现"材料中未出现"这种 meta 讨论。我们可以说："与层间退出相比，工业论文更常选择固定深度的紧凑学生模型……" 没有点明材料未出现，只是对比。
• 可以用 [Spotify] Spotify beam search 来谈解码策略：生成式 rerank/retrieval 的解码策略（greedy vs beam）影响延迟和指标，beam search 对 SID 生成很重要，greedy 下降 27.07% [Spotify]。虽然不是层间退出，但属于延迟-质量权衡，可以放在该节作为"另一个正交维度"。但可能偏离子问题，不过它关系排序质量与解码成本。还是要聚焦。
• 可以包括具体数字：lightweight student 在 person-job fit 场景，teacher 生成语义分数，student 是 lightweight long-context reranker [Malt]。REPREC 参数高效，可能也有具体数字？材料没有，无数字。可以写 prompt length reductions 的实验存在 [Amazon]。
• 结论：当前工业界更倾向用分层策略：用 LLM 离线蒸馏出 compact reranker 或互补预测器（[Malt], [Pinterest]），再用 token 压缩（[Taobao]）和 context length 调优（[Netflix]）减少在线成本；层间退出是理想中的按需计算，但需要在同口径评测中对比才成立。

• 建议：先做离线 LLM 画像（固定 schema 如 OCEAN），把在线路径限制为数值 rerank，避免 per-request LLM [Samsung]。画像维度不宜多，5维更容易 inspectable 和 fallback [Samsung]。用户画像用时间衰减聚合，90-day half-life [Samsung]。

• 然后，如果必须保留端到端语义，用 compact LLM 蒸馏或 adaptor 压缩 [Malt] [Taobao]；注入 CF 信号时注意大模型上收益递减 [Snap] 和动态 embedding 运维成本 [Google]。

• 最后，用离线评估先用 recall-oriented 检查和归一化，不要只看 NDCG，像 Ocean4Rec HR@20 对 NCF 不 conclusive [Samsung]。

🎯 今日主题：LLM 重排器用物品画像还是原始元数据更省效果好？

• Ocean4Rec 是“离线画像、在线数值”的典型：用 Gemini 2.5 Pro 把元数据批量转成 OCEAN 五维分数，在线把 item 画像和用户画像 join base score 直接排序，全程不调 LLM [Samsung]。收益上，NDCG@20 在 NCF 基座 +7.6%、LightGCN +61.5%；HR@20 则只在 LightGCN 上 +67.3%，NCF 上不显著 [Samsung]。这告诉我们：画像方式的收益很大程度依赖基座强弱，基座越弱增益越大。

• 画像不是白来的：离线生成要有 schema 校验、retry、chunk splitting、fallback；对无元数据 item 直接丢弃画像项 [Samsung]。用户画像用 90 天回看、90 天半衰期的指数衰减聚合点击/深链，重复点击折叠 [Samsung]。这些工程细节决定了画像特征的稳定性。

• 压缩到什么程度？RecGPT-V2 用 adaptor-based projection 把 item 文本压成“原子表示”，压缩比 12:1；一个 21,349 token 的用户 profile 压到 5,158 token，省 76%，且 LLM 主干保持 frozen，不修改词表 [Taobao]。

• 与“原始元数据”路线对比：Netflix GenRec 直接把推荐任务做成 LLM-native 的上下文工程，并在论文中专门做 context length optimization 和成本优化 [Netflix] [netflixtechblog.com]。这不是说原始文本不可用，而是即便走 LLM ranker，也要对上下文长度做裁剪和压缩。LLMAR 面向稀疏文本工业域，同样用知识增强的物品表示 + 检索策略，而不是裸拼原始长文本 [Industrial Authors] [Industrial Authors]。

• 所以成本-精度曲线上，离线画像在 QPS 敏感业务里明显占优；原始元数据适合离线评测、小流量或低延迟要求不严的场景。实践中可以先画像再逐渐增加上下文。

• 一个关键难点是：纯文本驱动的 LLM 天然看不到协同过滤（CF）信号 [Tencent]。注入时机有两种。

• pre-LLM 注入：在 item 进入 LLM 前把 CF embedding 拼进 token embedding。常见做法是用 trainable MLP adapter 把外部 CF embedding 映射后拼接 [Snap]。HLLM 把 item 文本描述编码成单个 item embedding，User LLM 消费历史 item embeddings 序列并预测 next item，整个模型一起训练 [2409.12740] [Alibaba]——协同信号通过 next-item 目标反传到 item 表征。

• 但 pre-LLM 有一个收益递减规律：论文 [Snap] 显示，固定 CF 模型尺寸下，外部 CF embeddings 的增益随 LLM backbone 变大而下降；固定 LLM 尺寸时，增大 CF 模型的增益也是递减。也就是说，语义模型越强，CF 注入的边际价值越小。另一个运维坑：CF item embedding 随 item 热门度变化，动态性强，如果用它直接参与 quantization/下游训练会需要频繁重训；PLUM 因此改为把 CF 信号放进对比学习目标，而不是直接 concat 进 item embedding [Google]。

• post-LLM 注入：LLM 离线产出画像之后，在线端再叠加行为聚合。Ocean4Rec 就是 item 画像由 LLM 生成，而 user 画像由点击历史聚合而成，两套向量在同一个 OCEAN 空间，在线直接算相似度 [Samsung]。这样既保留语义画像，又把行为协同放在数值层，延迟和可解释性都可控。CALMRec 也把长期偏好、曝光纠偏存成 multi-timescale memory，在 rerank 时读入，本质上是把历史和因果信号组织成