推荐算法日报 - 2026-10-29
2026-10-29
| 2026-10-29
字数 3567阅读时长≈ 9 分钟

Section 1: 📊 Trend Analysis

  • 🔥 生成式检索走向"统一化 + 规模化":阿里拍立淘把生成式检索从"单场景专用"推向统一端到端多模态系统,沿数据/意图/场景三维扩展,并用 CPT + 混合预算 SFT + 统一 RL 串起训练链路。这标志着工业界 GR 已从"能不能用"进入"如何一套模型覆盖多意图、多资源约束"的工程化阶段。
  • 💡 推理时计算(Inference-time Compute)入侵排序:Refiner 把 LLM 的 CoT 思路搬到 ID-based 生成式排序,用潜在残差推理逐步精化分数;配合 LoRA 参数高效微调,说明"多花一点推理算力换排序精度"在工业精排已具备可行性。
  • ⚙️ 多目标/多假设的细粒度监督成为主战场:KL-MOPD 在 token 级动态加权多目标蒸馏、Compote 用退火目标防多假设坍缩、LESSRec 按语义层级约束注意力——三篇都在解决"粗粒度监督无法指导中间解码步骤"的共性问题,token/层级级监督是当前 GR 提效的关键抓手。

Section 2: 📋 今日速览

  • Alibaba/Taobao 在拍立淘多模态搜索构建统一端到端生成式检索系统,从图文 query 直接生成商品 Semantic ID,沿数据/意图/场景三维扩展。线上 A/B 商品浏览量 +17.90%、交易 +27.04%、GMV +8.94%。↗
  • Alibaba/浙大 针对生成式推荐多目标协调,提出 KL 加权多目标在线蒸馏 KL-MOPD,按 token 级 KL 散度动态分配教师权重。理论证明优于 vanilla MOPD,十亿级工业数据 + 电商广告线上 A/B 双目标均提升。↗
  • Roblox/UCLA 在广告创意预排场景提出层次经验贝叶斯 + Thompson 采样预排器,冷创意按受众段-广告项-活动层级回退借统计量。回放 play-through rate +8.14%,转发创意减少 40%+,服务时延仅 +0.2%,已上线。↗
  • USTC/快手 在生成式排序提出 Refiner 潜在残差推理框架,用累积加性修正逐步精化候选分数,配 history query 与 LoRA 微调。两个公开基准 + 离线工业数据 + 线上 A/B 均稳定优于直接预测。↗
  • Booking.com/阿姆斯特丹大学 用 GP-UCB 解决预算分段权重黑盒优化,GP 先验在相邻配置间共享信息降低探索成本,识别 Matérn+Linear 复合核最稳健。线上大规模 RCT 显著优于 ε-greedy。↗
  • Criteo/Sorbonne 提出抗坍缩多假设学习框架 Compote,用退火目标从均匀监督过渡到 winner-takes-all,迫使多假设分化到不同目录区域。三个 Amazon 基准仅用 item ID 即超越 ID/生成式/多兴趣强基线。↗
  • Sorbonne/ISIR 揭示扩散推荐采样坍缩问题,提出三阶段解耦框架 DARTS,先冻结潜空间再训练扩散、排序监督后置到解码。三个 Amazon 类目排序指标提升 7-12%,采样多样性显著保留。↗
  • 深圳大学/蚂蚁 提出双分支 + CP 分解框架 DuTri 建模多模态多场景推荐,协同分支学场景共性与差异、多模态分支自适应融合。AntM²C 与 Amazon 数据集整体性能超越现有多模态/多场景基线。↗
  • USTC/NUS 构建 AutoRSE 评估框架,跨 6 个工业级任务系统评测 LLM Agent 改进推荐算法的能力。发现 agent 平均相对提升 16.1%,但主要靠调参/集成而非算法创新,idea 生成是核心瓶颈。↗
  • 中科院/UCAS/墨尔本 提出偏好依赖图框架 PDG-F,用 DAG 显式建模叙事中偏好间的条件关系,经有向路径检索 + 拓扑排序出推荐。三个中英跨域实验超越检索 agent 与前沿 LLM,显著抬高候选池上限。↗
  • 重庆大学/Griffith 提出 LESSRec,按语义层级拆分历史编码并将注意力约束到目标 token 同层级,缓解跨层级干扰。三个数据集 + 三种 tokenizer 验证有效,LESSRec+ 用独立编码器进一步降算力。↗
  • BUPT/浙大/中南 针对多模态推荐"相似性孤岛",提出 MAGE 将互补性建模解耦为离线几何扭曲 + 在线非对称双流 GNN 传播。四个 Amazon 数据集一致超越强多模态基线,缓解语义漂移。↗
  • UESTC 提出 REGER 显式建模物品间语义与协同关系,用生成式语义检索预训练 + 前缀树条件分布蒸馏。真实数据一致超越现有 GR 基线,理论上证明协同偏好分布的精确分解。↗
  • UC Santa Barbara 提出几何感知链接预测框架 Concorde,将链接似然分解为谱锚点、混合曲率残差、切丛向量场三分支。五个基准稀疏场景 P@10% 近乎翻倍,可借鉴至推荐召回。↗
  • 武汉大学/湖北大学 重新审视 CTR 位置编码与交互粒度,提出 TRIP 目标感知秩-时间编码 + 时序组因果交互。四个公开基准 AUC 最高相对提升 4.45%,挑战了 Transformer CTR 的默认设计。↗
  • UCAS 提出紧凑序列推荐 RELAY,用单一查询同时承担语义读出与行为记忆路由双角色,单次前向出排序。六个数据集全目录 Recall@5/NDCG@5 均最优,平均 +14.22%/+17.88%,参数减 65%、推理加速 1.75-1.79×。↗
  • 重庆大学/电子科大 提出对比证据路径 CEP 校准图扩散结构偏差,并构建结构化语料交互 SCI 引导搜索 agent。BrowseComp-Plus/TREC-COVID 上答案准确率与 nDCG@10 最优,工具调用与生成成本降 50%/40%+。↗
  • (机构未披露) 在固定嵌入存储预算下系统比较量化/蒸馏/高秩低精度方案对稀有物品召回的影响。rank-300 4-bit 分解仅用 13% 存储即保留 95-103% 尾部召回,指出教师保真度不能替代尾部召回评估。↗
  • (工业界) 系统实证日度物品嵌入跨天兼容性,比较初始化/继承/正交对齐/全局重缩放等 48 种配置。ID 初始化与正交对齐提升余弦 51.2%/93.4%,每日全局重缩放 GAUC 提升最高 4.0%。↗
  • 南航/香港城大/UTS 提出 API 框架,复用预训练稀疏自编码器特征索引作为 SID 词汇表,免额外词汇学习且可解释。跨骨干与解码方案性能有竞争力,在紧凑 token 预算下保持物品区分度并支持可解释检索。↗

Section 3: 📰 Daily Digest

1. PailitaoMMSearch2.0 Technical Report: Scaling Generative Retrieval to Unified End-to-End Multimodal Search

🔗 原文: https://arxiv.org/abs/2610.36958
🏷️ 来源: 🏭 工业界 | Alibaba, Taobao
⭐ 评分: ⭐⭐⭐⭐⭐ (5/5)
🎯 推荐理由: 工业级统一多模态生成式检索系统,线上 A/B 显著提升,方法创新且可落地。
📝 摘要: 针对工业生成式检索模型普遍绑定单一场景、查询形式与检索目标受限的问题,本文提出 PailitaoMMSearch,从原始 query 图像与自由指令直接生成商品 Semantic ID,构建统一端到端多模态搜索系统。系统沿三维扩展:数据侧用可复用工具集组装冷启动合成、质控、真实流量精修与持续生产流程;意图侧通过 CPT 注入电商知识、混合预算 SFT 赋予多检索关系与可调推理预算、统一 RL(意图平衡优化 + 对齐多候选服务的 Sample-Beam rollout)逐步增强;场景侧暴露模型容量与推理预算下的质量-成本操作点。系统已部署淘宝拍立淘,受控线上 A/B 显示商品浏览量 +17.90%、交易 +27.04%、GMV +8.94%,是当前 GR 从单场景走向统一多意图系统的标杆工程参考。

2. KL-MOPD: Discrepancy-Aware Multi-Objective On-Policy Distillation for Generative Recommendation

🔗 原文: https://arxiv.org/abs/2610.36973
🏷️ 来源: 🤝 产学合作 | Alibaba, Zhejiang University
⭐ 评分: ⭐⭐⭐⭐ (4/5)
🎯 推荐理由: 提出KL加权多目标在线蒸馏方法,理论证明并线上A/B验证,有效提升生成式推荐多目标性能。
📝 摘要: 生成式推荐中正样本需在每个解码步逐 token 命中才能被召回,传统 item 级多目标方法缺乏 token 级细粒度监督。本文将多目标在线蒸馏 MOPD 引入 GR,在每个 token 上把两个单目标教师蒸馏进学生,但发现 vanilla MOPD 存在 token 级不平衡(各 token 教师蒸馏难度不同)与跨 token 不一致(难蒸馏的教师随 token 变化)两大问题。为此提出 KL-MOPD,按初始学生-教师 token 级 KL 散度成比例分配教师权重,强化每步对难蒸馏教师的监督,并从理论上证明在加性联合目标下严格优于 vanilla MOPD。方法即插即用,仅需一次性预训练权重校准,在三个公开基准、十亿级工业数据集与电商广告线上 A/B 上均提升单目标与联合性能。

3. Exploratory creative pre-ranking: Hierarchical empirical-Bayes Thompson sampling for real-time creative optimization

🔗 原文: https://arxiv.org/abs/2610.36020
🏷️ 来源: 🤝 产学合作 | Roblox, UCLA
⭐ 评分: ⭐⭐⭐⭐ (4/5)
🎯 推荐理由: 工业级创意预排器,层次经验贝叶斯+Thompson采样,线上A/B后部署Roblox。
📝 摘要: 动态创意优化需在每次请求决定渲染哪个广告创意,AI 生成内容使创意近乎免费但单创意反馈稀疏、时延预算紧张,现有前置选择依赖无校准不确定性的确定性点预测。本文提出创意预排器,在每用户精排前对全部召回创意打分并短名单化:创意置于受众段-广告项-活动-创意的层级中,冷创意回退借用父层级统计量,借用强度由历史日志闭式确定、每层仅一参数无需调参;为控时延按受众段而非个体用户用属性计数器预测,并以每创意单次 Thompson 采样平衡探索利用。Roblox 赞助广告流量回放显示短名单预测 play-through rate +8.14%(随机短名单 2.80%),转发创意减少 40%+,服务时延仅 +0.2%,线上 A/B 后已生产部署。方法本质是统计估计与 bandit 的工程化组合,创新偏增量,泛化性仅限单平台验证。

4. Latent Residual Reasoning for Ranking in Generative Recommendation

🔗 原文: https://arxiv.org/abs/2610.36890
🏷️ 来源: 🤝 产学合作 | USTC, City University of Hong Kong, Kuaishou
⭐ 评分: ⭐⭐⭐⭐ (4/5)
🎯 推荐理由: 工业级生成式排序的潜在残差推理框架,在线 A/B 验证有效。
📝 摘要: 生成式推荐排序多采用"快思考"式一次性直接预测,虽高效但难以对多候选做细粒度打分,本文追问推理时额外计算能否进一步提升排序质量。针对文本空间显式推理不适配广泛部署的非文本模型,作者将潜在推理引入 ID-based 排序,提出 Refiner 框架:残差推理机制通过累积加性修正逐步精化排序分数,history query 提供浓缩用户行为表示以增强候选相关推理,并用 LoRA 参数高效微调适配预训练模型。两个公开基准、离线工业数据集与线上 A/B 均显示 Refiner 稳定优于直接预测。方法本质是在现有 GR 排序骨干上叠加残差推理步骤,属较强增量创新而非范式突破,摘要未披露具体提升幅度与系统规模。

5. Gaussian Process Bandits for Constraint Black Box Lever Optimization

🔗 原文: https://arxiv.org/abs/2610.36935
🏷️ 来源: 🤝 产学合作 | Booking.com, University of Amsterdam
⭐ 评分: ⭐⭐⭐⭐ (4/5)
🎯 推荐理由: GP-UCB 落地 Booking.com 预算权重优化,线上 RCT 验证显著优于 ε-greedy。
📝 摘要: 在共享预算下优化竞争分段的离散分配权重,是资源受限序贯决策的核心难题,实际中受延迟、噪声、聚合反馈与权重调整频率约束,组合动作空间与极端数据稀疏使独立评估臂的经典 bandit 高度低效。本文提出分段无关的 GP-UCB 方法,用高斯过程先验在相邻配置间共享信息,大幅缩短探索horizon。作者先构建高保真合成模拟器,在平稳、漂移、反应式环境下评估核配置,识别 Matérn+Linear 复合核最能克服局部噪声与全局漂移;再通过生产环境大规模 RCT 验证,GP-UCB 相对标准 ε-greedy 基线取得统计显著效率提升。核心贡献在工程落地与核选择,GP-UCB 本身为已有算法,创新偏增量,但对预算权重类黑盒杠杆优化有直接借鉴价值。
  • 推荐系统
  • 日报
  • AI 技术日报 - 2026-10-30AI 技术日报 - 2026-10-29
    Loading...