推荐周报 2026-W45
2026-11-7
| 2026-11-7
字数 10218阅读时长≈ 26 分钟

本周概览

本周工业界论文的密度继续走高——37 篇里有 20 余篇带线上结果或生产部署。三组技术信号最清晰:生成式推荐的瓶颈从"能否生成"移到"生成得对不对",重排与混排开始把整条链路压进单个自回归解码器,Agent 推荐则从调用工具走向自我反思与奖励建模。
生成式推荐:语义 ID 的量化误差与解码漂移成为主攻方向。 快手的 BRIDGE 把 RQ-VAE 量化过程与解码器之间的信息断层命名为"语义量化鸿沟",用码本锚定的隐式推理、特权 EMA 自蒸馏、深度感知计算分配三项机制分别弥合 grounding/neighborhood/difficulty 三类偏差,三个 Amazon 基准上 Recall@10 平均提升 10.9%,快手线上 A/B 广告 eCPM +0.65%。Meta 的 CAP-Mix 走另一条路——干脆不用硬量化,把物品表示为共享原型的软混合加物品特定向量,HR@5 比同 tokenizer 的硬 SID 表高 4.45–14.90%,推理吞吐是离散基线的 1.4–161 倍。两者的共同指向是:SID 的离散化本身正在成为生成式召回的信噪比天花板。
重排与混排:从手工规则走向端到端生成。 字节的 OneTrans-GSR 用单个 decoder-only Transformer 统一重排与混排,奖励模型评估完整曝光列表引导 RL,线上 GMV/u +2.63%、广告主价值 +2.06%、复购率 +2.03%,端到端延迟反降 13%。淘宝的 ICE 则从评估器入手,指出传统"独立行为建模"把连续浏览旅程压成逐条 CTR 预测会系统性偏差,改为显式建模展示→曝光→点击的因果链,14 天 A/B 点击 +0.70%、收入 +3.67%。两篇都在回答同一个问题:列表级目标无法用逐条打分拼出来。
Agent 推荐:反思、奖励与质量归因三条支线。 快手的 EvoRec 用动态反思树把失败轨迹转成可复用策略,且不需要更新任何参数,线上广告收入 +4.6%、高意图用户 +14.5%。淘宝的 E-GenRM 训练 27B 生成式奖励模型给购物 Agent 做偏好判别,E-GenRM-Bench 上偏好准确率 87.40%(超最强基线 6.97pp),14 天 A/B 用户满意度 +2.33pp。快手的 WISE 则把 Agent 用在反方向——诊断系统本身哪里坏了。

生成式推荐与语义 ID 优化

量化把连续内容压成离散码,解码器只看得到码,看不到码是怎么来的。这个信息不对等是本周几篇工作的共同起点。
BRIDGE(快手)— 论文把这一断层拆成三层:grounding gap(目标侧信息有限时解码器缺语义锚点)、neighborhood gap(token 级监督丢弃物品间相似度、放大曝光偏差)、difficulty gap(浅层 token 易生成、深层 token 难,但算力平均分配)。对应三项机制:codebook-grounded latent reasoning 在生成 SID 前注入冻结的量化器质心作为语义锚;privileged EMA self-distillation 用教师模型向 on-policy 学生迁移邻域知识,保住物品间几何结构;effort-aware recurrence 给浅层分配更多循环计算、随深度递减。三个 Amazon 基准上 Recall@10/NDCG@10 相对最强基线平均 +10.9%/+9.7%,最高 +12.6%/+10.7%。快手线上一周 5% 流量 A/B,eCPM +0.65%。这个提升幅度不算大,但值得注意的是它把"量化信息损失"从工程细节提升为一等公民——沿着 Gryphon 那条"SID 序列似然与相关性目标不一致"的线索又推进了一步。
CAP-Mix(Meta 系)— 直接质疑离散瓶颈本身。每个物品 = 共享原型的软混合 + 物品特定向量,分配、原型、物品向量联合训练,推理时保留软表示。设计上留了两个可选接口:SID 责任度可作为分配的先验,完整内容嵌入可初始化物品特定向量而不改初始扁平表。三个数据集匹配对比中,仅给离线 SID 的条件下比同 tokenizer 的硬表高 4.45–14.90% HR@5;给完整内容嵌入时追平或超过强扁平表,而硬分配在稀疏 Amazon 数据集上反而退化。六个基准平均 HR@5 +6.9%、NDCG@5 +13.6%,推理吞吐 1.4–161 倍于离散基线。这条路线与 DualGR 在线上拿到的 +0.527% 视频播放是同一种张力:SID 带来参数共享和预训练语义,代价是丢信息。
HERO(阿里巴巴 1688)— 关注 on-policy 蒸馏加剧流行度偏差这一副作用:教师反馈偏向热门 token,学生 rollout 也偏向热门物品,两个偏差互相强化,冷门 SID 路径几乎不被生成也不被监督。解法是异构教师蒸馏——两个教师分别专长热门/冷门,按 ground-truth 物品的流行度分组路由样本;再加 diversity-aware item rollout,把冷门物品的 ground-truth SID 塞进训练覆盖稀有路径。推理只用学生。1688 首页"猜你喜欢"15 天 A/B,GMV +3.412%。相比 OpenOneRec 那套两阶段对齐(OPD + Rec-RL),HERO 的增量在于把"蒸馏什么"按流行度切开。
GRC — 等等,GRC(阿里巴巴国际数字商业)— 针对单遍解码的误差累积:草稿生成 → 多粒度反思 → 反思引导纠正。用 GRPO 在 token 级和轨迹级奖励下优化整条 GRC 轨迹,线上服务则用 Entropy-Guided Reflection Scheduling 动态给高不确定性轨迹多分配纠正预算。六个 SOTA 基线之上最高 +15.74%,线上广告收入 +1.79%,延迟开销可控。解码期纠偏这条路,与 OneLoc 在本地生活用 RL 平衡多目标有相似的问题意识。
ReuseGR(阿里巴巴)— 把离线-在线解耦做成系统级方案:7B 离线规划器为同一 query 生成共享 SID 前缀集,0.5B 在线模型用各请求历史选前缀并补全剩余 token。ReuseCut 按历史覆盖率决定每个 query 的缓存深度,Path KD 把 7B 的后缀打分知识迁到 0.5B,BudgetCut 用 GRPO 在固定分支预算下选分支优化 top-100 召回。约 200 万 query-item 记录、338 万商品的工业搜索广告数据上,HR@100 提升 3.83pp,在线延迟比全在线 0.5B 低 38.9%,与全在线 7B 的 HR@100 相当但延迟低 57.7%。14 天 A/B:CTR +0.93%、RPM +1.05%。这条"大模型离线规划 + 小模型在线补全"的思路,与 xGR 的服务系统视角形成互补。
WeSearch(微信)— 挑战"每个文档沿单一语义路径"的隐含假设:多主题文档在固定层级 SID 下会被压扁。改为先检索 query 相关簇,再在候选空间内对原子文档排序,把候选剪枝与细粒度相关性建模解耦。配合相关性感知训练、紧凑文档表示、增量索引更新,支持每周甚至每日模型刷新。微信搜索已全量部署(100% 流量),一个月全流量 A/B:CTR +0.68%、人均文章点击 +2.27%,检索资源成本降 41%,图文检索延迟降 19ms。
UAGR(快手)— 把下游多目标效用同时注入 SID 构建与解码两端。Utility-Enriched Semantic Codes 在不增加 SID 长度和词表大小的前提下把物品级效用编进码,支持增量更新;Utility-Guided Decoding 把多个曝光后行为预测组合成效用估计,融入 beam scoring,避免高效用路径在 beam search 阶段被提前剪掉。快手全量部署,线上视频观看时长 +0.206%。提升幅度小,但指向的问题很实在——生成似然与业务效用不是一回事,Gryphon 在音乐服务上也是同一个观察。
SourceFlow(腾讯系)— 流匹配推荐的一个结构性缺陷:源分布按全局物品频率独立采样,与目标历史无关,预测器拿不到用户特定的源线索。SourceFlow 把协同结构放进源分布本身:Neighborhood Coupling 用未观测的协同替代品替换历史物品构造位移二值源,Collaborative Consensus 用共享同一物品的其他用户交互证据精化替换概率,Stretched Restoration 在流的晚期保留这些替换以增加恢复原交互的机会。五个数据集上 Recall@10 平均相对提升 15.7%。对照 Interests Burn-down Diffusion 用兴趣燃尽过程替代高斯噪声,两者都在改"加噪/源分布"这一环,而不是继续往预测器上堆条件。

重排与广告排序竞价优化

列表级目标不能靠逐条打分拼出来——本周三篇工业论文从不同角度验证了这句话。
OneTrans-GSR(字节跳动)— 把重排和混排合并成一个学习问题。混排要处理商品卡、短视频、直播、广告卡等异构内容,传统做法是手工规则加各业务线专用的低容量模型,组合空间和权衡关系都被人为锁死。OneTrans-GSR 用单个 decoder-only 策略(扩展已部署的 OneTrans 骨干)自回归生成曝光列表,训练期用奖励模型评估完整列表并引导 RL 朝列表级和长期目标优化,解码期显式执行业务约束。离线显示列表质量随奖励模型和策略算力单调上升——这是它最重要的性质,意味着这条路能吃到 scale。线上 A/B:GMV/u +2.63%、广告主价值 +2.06%、复购率 +2.03%,重排+混排端到端延迟降 13%。延迟下降这个细节值得注意:生成式替代规则引擎不只是换了建模方式,也砍掉了多阶段串行的开销。
ICE(阿里巴巴淘宝)— Generator-Evaluator 框架里,评估器的保真度直接决定推荐质量,但现有评估器普遍走独立行为建模(IBM),把连续浏览旅程压成逐条 CTR 预测。这忽略了两个物理事实:点击只能发生在物品被展示且被曝光之后;物品之间在争夺有限的用户注意力。ICE 改为联合行为建模(JBM):先预测浏览深度分布估计逐位曝光概率,再用预测曝光抑制未曝光物品带来的虚假上下文,最后引入点击分布匹配目标捕捉序列内依赖。即插即用,可挂到不同骨干上。淘宝 14 天 A/B:点击 +0.70%、收入 +3.67%,已全流量部署。与 HPGR 在 APP Gallery 上做的分层偏好感知生成推荐相比,ICE 的价值在于它没有改生成器,只把评估器从"打分器"修正为"因果过程模型"。
UniMVT(快手)— 优惠券这类营销干预给 CTR 预估引入混杂偏差:观测点击是内在偏好和干预 uplift 的混合,传统模型会错估基础 CTR,进而扭曲排序和计费。更麻烦的是干预强度是多值连续变量。UniMVT 把混杂因素与处理敏感表示解耦,全空间反事实推断模块同时重建去偏基础 CTR 和强度-响应曲线;辅助强度估计任务捕捉处理倾向,单位 uplift 目标归一化干预效应,保证在连续券值谱上可比。合成+工业数据+线上 A/B 均有验证。相比 AdaTT 这类多任务融合网络,UniMVT 把因果推断的显式结构搬进了多任务框架。
ChoirRec(阿里巴巴淘宝)— 低活跃用户 CVR 预测的三重困境:行为信号噪声大、用户级信息不足、训练系统性偏向高活跃用户。ChoirRec 用 LLM 做语义分组:Semantic Group Generation 形成跨活跃度的可靠用户簇过滤噪声,Group-aware Hierarchical Representation 用群组先验丰富稀疏用户嵌入,Group-aware Multi-granularity Module 用双通道架构加自适应融合学习群组知识。离线 GAUC +1.16%,线上订单量 +7.24%。这里的 7.24% 与 1.16% 的量级差本身说明低活跃用户群体存在结构性机会——离线指标很难反映。
HOB(阿里巴巴)— 异构竞价环境下的统一出价。不同渠道在排序规则(纯 eCPM vs UE 增强)、计价方式(一价 vs 二价)、出价惯例上都不一样,但广告主的预算和 ROAS 约束是共享的。HOB 的核心是让边际成本在异构渠道间可计算、可对齐——尤其是一价拍卖与自然流量/付费流量共存的场景,既有出价公式推不出可对齐的 MC 形式。全局层推导渠道特定 MC 形式并用共享 MC 目标协调,局部层用零膨胀指数分布建模免费赢拍概率和赢拍价格不确定性。任意内点最优满足跨渠道 MC 均等。商业 DSP 上线,GMV +3.0% 且维持 ROAS 约束。与 Uncertainty Quantification for Autobidding 用贝叶斯后验校正噪声 CTR/CVR 估计相比,HOB 把不确定性建模放到了更下游的竞价决策端。
辅助监督用于广告精排 — CVR 训练标签稀疏,论文系统性地引入转化之外的多源用户事件与元数据作为辅助监督。三项工程处理:线性化标签提升辅助信号精度,split architecture 做训练任务分解,Label Combination(LaCo)处理噪声辅助标签。摘要未披露具体线上数字,但拆解思路——把辅助监督从"多加一路 loss"变成"标签精度 + 任务隔离 + 噪声鲁棒"三件事——对做 CVR 的团队有直接参考价值。
DCD — 广告点击后落地体验普遍被当成静态路由问题:展示广告主的哪个落地页、解析到网页还是 App、原生界面还是外部站点,一刀切。DCD 把这些统称为点击后目的地自动化,为每次符合条件的外链点击选目的地以最大化广告主价值(AV,价值加权的转化结果)。学习目标演进从后验目的地推断,到两任务的目的地条件转化预测,再到单任务策略模型直接判断两个目的地哪个更好,用高容量 critic 模型导出的 A2C 式软标签训练。web-vs-app 案例的大规模线上 A/B 显示按点击个性化优于静态路由,单任务目标增益最大。这条线索与 ChorusCVR 对全空间 CVR 中模糊负样本的处理属于同一问题域的不同切面。
LLM 标注能否替代用户点击(百度参与)— 系统比较两种监督信号。TianGong-ST 和 Baidu-Click 上的结论:点击监督在高频 query 和文档级信号(权威性、质量)上更强,LLM 标注在中低频 query 和 query-doc 语义匹配、相关/不相关判别上更强。基于这个互补性,试了数据调度和频率感知多目标学习两种融合策略,后者更有效,全频率 query 排序性能都提升。这篇的价值不在于新方法,而在于给出了"什么时候该用哪种标注"的经验证据——Scaling Dense Retrieval 在 Walmart 赞助搜索上用 LLM 级联标注拿到 +1.4% CTR,本质上是把这条经验推到了更大规模的工业实践。
OSMF(京东)— 广告图像生成长期按整体 CTR 优化,忽略用户群之间的偏好差异。OSMF 先做产品感知自适应分组(按用户属性和商品特性动态组织用户,每组用集体偏好特征表示),再用 Group-aware MLLM 为每组生成定制图像,最后用 Group-DPO 做群组级偏好对齐。同时开源 GAIP 数据集:约 60 万群组、4000 万用户。线上 CTR 提升(具体值未披露)。与 UniRank 用 RLHF 对齐多模态重排相比,OSMF 把偏好粒度切到了人群而非个体。

LLM 与 Agent 驱动的推荐搜索

Agent 推荐今年的主线从"能调工具"变成"能从失败里学"和"能被可靠评估"。
EvoRec(快手)— 统一 agentic 框架:Need Agent 从长期/短期/工作记忆推断用户需求,Planning Agent 在"行为延续"和"需求满足"之间自适应分配检索预算、选检索工具、设排序融合权重,Acting Executor 执行并记录决策轨迹。用户反馈回来后,Dynamic Reflection Tree 定位失败发生在需求推断、规划还是之前的修复,提出个性化纠正并通过 replay 验证。验证通过的修复更新工作记忆,并蒸馏为跨用户可复用策略——全程不更新任何参数。快手本地生活广告数据 Hit@50 比最强基线 +15.7%,有修复历史的用户群上分层反思再提升 13.1%。7 天线上 A/B(nearline 部署):广告收入 +4.6%、CTCVR +3.5%,高意图用户收入 +14.5%。路线来自同一团队的 EvoRec 自进化版本,那版通过 Research Agent + Code Agent 迭代模型、Skill Evolver 从记忆池提炼方法论,离线 +5.54%、线上收入 +1.85%;本版把"进化"从模型层搬到了策略层。
E-GenRM(阿里巴巴淘宝)— 面向开放式购物任务的生成式奖励模型。数据侧用购物 App 里自然产生的用户行为构造多样、长程的对话轨迹,而不是被现有 Agent 使用模式和已知失败模式框定;建模侧先通过行为锚定的评估链做 SFT,再用准则引导的 RL 优化——在每条准则下奖励正确的偏好判断和有证据支持的事实主张;个性化难负样本训练让它对购物行为里隐含的(而非显式声明的)用户偏好更敏感;再加一个主动证据检索扩展,为评估补取缺失的电商信息。E-GenRM-27B 在自建基准上偏好准确率 87.40%,超最强基线 6.97pp。淘宝 14 天 A/B:有效购物辅助率 +1.39pp,用户满意度 +2.33pp。购物 Agent 的瓶颈往往不在生成能力而在判断能力,这篇把资源投在了判断端。
WISE(快手)— 提出 System Quality Diagnosis(SQD)任务:系统运行健康但结果质量差的情况普遍存在,现有监控只覆盖运营可靠性,不覆盖质量归因。WISE 是端到端质量诊断 Agent,从用户可感知的问题回溯到具体算法组件。两个训练支撑:ReTrace 构造证据一致的轨迹监督,AHPO(Adaptive Harness-Policy Optimization)用失败引导优化 Agent harness 和模型策略。同时构建 WISE-BENCH:真实多模态搜索基准,含用户侧证据、内部 pipeline 轨迹、专家诊断标注。Qwen3.5-35B-A3B 上端到端准确率 75.20%,已在快手生产用于质量审计、在线质保和模型优化。与 ContextSim 用 LLM Agent 模拟用户做离线评估是同一个问题的两端——一个造数据评估,一个诊断线上。
CADRE(腾讯)— 电商搜索相关性判断的难点在于:不同视角的证据可能支持相反结论,单次推理无法调和冲突。CADRE 用三个共享冻结骨干的专家 Agent 分别在独立上下文中分析产品属性、用户意图、业务规则,一个可训练 Verifier 对照匹配准则评估各自证据并判定相关性。专家分歧时触发 Verifier 引导的辩论,就争议解释做针对性澄清和修正。Verifier 用多轮 GRPO 优化,配合成功经验回放——产生正确终判的轨迹可以和新鲜 rollout 一起用于后续更新。在线服务把 CADRE 当离线教师蒸馏到轻量学生。电商搜索广告平台 A/B 显示相关性分类和满意度指标均有提升。与 An Efficient Long-Context Ranking Architecture 的"LLM 教师蒸馏到高效重排架构"是同一种成本结构的解法。
LEAPS(阿里巴巴淘宝)— 用户搜索行为从离散关键词转向自然语言多约束查询,现有架构陷入两难:精确查询常触发零结果,被迫简化又得到噪声大、过于笼统的结果。LEAPS 用"Broaden-and-Refine"插件范式在两端加插件:上游 Query Expander 生成自适应互补查询组合最大化候选集,三阶段训练(逆数据增强 → 后验知识 SFT → 多样性感知 RL);下游 Relevance Verifier 用 CoT 融合 OCR 文本、评论等多源信号过滤噪声。非侵入式架构,不改动原有短文本检索链路。2025 年 8 月起全量部署淘宝 AI 搜索,月服务数亿用户。
SPADE(美团)— 本地生活首页主动查询推荐要在百万级词表上做开放集生成,输出必须同时满足偏好对齐、细粒度时空匹配、长尾意图覆盖、少量候选位内的多样性。四个组件各解决一个轴:Objective-Aligned BPE 让子词合并对齐业务价值信号以提升长尾 query 生成概率,STAR 用连续多尺度编码加软门控替代粗粒度位置 token,MARS-DPO 在真实曝光-点击数据上用复合奖励和自适应难负样本做偏好对齐,SDBS 用 sigmoid 多样性 beam search 提升意图覆盖而不牺牲召回。离线 HR@5 +5.6%、GeoC@5 降 40.3%、Exec@5 +1.9%;一周 A/B:模块 CTR +1.88%、搜索量 +0.177%、搜索 DAU +0.105%。相比 PROMISE 用过程奖励模型做测试时扩展,SPADE 把多样性约束编进了 beam search 本身。
MILES-Rec(高德)— 地图 App 的效用驱动交互只是消费需求的间接、不完整证据。MILES-Rec 从异构地图行为推断隐式服务意图,并表达为按优先级排序的自然语言查询。先学渐进式推理示范(合成用户画像与地图历史,做情境理解、意图扩展、查询排序),再用意图对齐的 GRPO 优化——用后续用户交互奖励查询相关性和排序后服务覆盖,惩罚冗余和过长响应。两级信用分配把列表级共享优势和查询级优势结合,协调单条质量与整体互补覆盖。构建 MILES-Bench 覆盖不同行为历史丰度下的多种服务。四种骨干规模上均有稳定增益。
SSR(Microsoft)— 生成式 AI 搜索让"点击状态"彻底失效:点击可能通向不满意的结果,不点击可能是成功的答案消费(good abandonment)。SSR(Session Success Rate)用隐私保护的交互证据和录屏训练人工标注 judge,再用 query 事件、视口行为、结果页交互、语义改写训练在线打分模型。6904 条标注 query 上平衡准确率 0.75,弃置 query 内 0.68。样本本身很说明问题:53.2% 的弃置是成功的,6.5% 的点击是不成功的。在七组排序实验和五组非排序实验的验证组合中,SSR 与 Sessions per User 结论一致 7 例、不确定 4 例、相悖 1 例;约 4000 个生产实验中,SSR 的二值敏感度约为 Sessions per User 的 2.5 倍。
BrowseFlow(阿里巴巴淘宝 + 清华)— 用户模拟的两个难点:同一用户对同一推荐流可能产生不同浏览响应,日志只记录其中一次实现;点击、点赞这些关键事件在大量滚动动作中极其稀疏。BrowseFlow 用条件离散流匹配:每个响应表示为浏览范围加有序关键事件序列,直接建模计数和位置而非稠密预测每步动作;Random Event Retention 在部分事件序列上定义概率路径,transition rate matching 学随机插入动态。用能量分数(proper scoring rule)评估响应保真度和生成变异性,辅以关键事件计数分布的 Wasserstein 距离。同时发布 TaobaoBrowse 基准。三个数据集上分布性能最优。与 KuaiSim 这类上下文感知模拟相比,BrowseFlow 把稀疏性问题从"预测什么动作"转成"建模事件的计数和位置"。
GraphMind(Microsoft)— 三阶段:离线从人工解决 trace 抽取动作中心工作流图(问题、动作及因果关联),在线多智能体遍历引擎结合图检索和 LLM 推理动态构造并执行工作流,Adaptive Traversal Reinforcement 强化成功遍历路径让图随执行进化。部署在四个云数据库服务的故障排查上,93 个 held-out 事件盲审优于 Agentic Summary-RAG 基线,检索上下文需求少 8 倍,ATR 层把幻觉率降 26%,12 周实地研究中 97% 的计分对话在交互延迟内产出可执行结果。虽然问题域是运维而非推荐,但"从执行反馈里学工作流图"这套机制对 Agent 推荐的长期记忆设计有借鉴。

多模态表示与训练系统优化

这组工作一半在压存储和延迟,一半在打开嵌表示的黑箱。
PersonaAgent(Visa)— 支付网络中实体交互模式的变化频率高于生产模型刷新周期,实体嵌入表又受高基数和交互稀疏之苦。PersonaAgent 把实体的最新行为信号表示为可周级刷新的 persona 记忆,推理时轻量 adapter 从记忆检索对应实体的行为信号,增强基座异常分类器的打分——不改基座权重,用检索填补知识-延迟差。Visa 部署:1000 笔交易 CPU 批处理 1–2ms,PR-AUC 相对 +0.65–6.58%,生产业务指标相对 +8.93–14.24%。这套"记忆 + 检索增强 + 轻量适配"的结构,与 HyMiRec 用残差码本压缩用户历史嵌入在工程动机上一致。
SparseLift(快手)— 大规模推荐训练里稀疏路径(稀疏算子 + 集合通信)在计算图中常以不透明节点存在,阻断全图优化。SparseLift 是面向稀疏路径的低开销编译器:分析模型结构和运行时信息,把不透明节点重构成可分析子图,恢复稀疏计算和通信的资源语义;在恢复的语义上设计增量代价模型和约束感知规划器,自动选择并组织子图优化为执行计划,稳态训练期复用。100B 稀疏参数的工业视频推荐任务上稳态吞吐 +16.5%,DLRM 上相比 Baseline 和 TorchRec 分别快 1.60 倍和 1.26 倍。对 100B 参数级别的训练集群,16.5% 的稳态吞吐意味着可观的成本节约。
MUSE(阿里巴巴淘宝)— 终身兴趣建模长期依赖 ID 特征,在长尾物品上泛化差、语义表达有限。现有工作把多模态表示用到 GSU(General Search Unit)做行为检索,却常忽略 ESU(Exact Search Unit)阶段的融合。MUSE 的系统性结论有两条:GSU 里简洁就够——轻量余弦相似度配高质量多模态嵌入就优于复杂检索机制;ESU 则需要更丰富的多模态序列建模和有效的 ID-多模态融合。已部署淘宝展示广告,支持 10 万长度用户行为序列,延迟开销可忽略,并开源首个超长行为序列配高质量多模态嵌入的大规模数据集。相比 DMT 从拓扑感知拆塔优化,MUSE 的增量在于把"多模态该在哪一层用、用到什么程度"变成了可复现的工程结论。
SA-RSQ(美团)— 高维多模态特征上线的存储和延迟代价高。硬量化紧凑但边界畸变,稠密软量化让表示质量和存储预算耦合。SA-RSQ 用 Top-K 稀疏路由加 softmax 权重存储 (Index, Probability) 元组,单物品存储与码本维度解耦;固定支撑集下梯度经路由权重和加权重建传播,不依赖 straight-through estimator。外卖广告专有数据上,8–48 字节/物品的存储预算范围内,重建-性能- CTR 权衡更优。一周线上 A/B:CTR 相对 +2.51%、CPM +3.66%。与 Gwhere 用对比残差量化 tokenizer 对齐文本/视觉/空间/协同信号相比,SA-RSQ 更聚焦于量化器本身的设计空间。
用户嵌入是行为模式的叠加 — 把机制可解释性里的叠加假说搬到用户嵌入上:稠密用户嵌入可以理解为可解释行为模式的稀疏叠加。对线性嵌入,这个结构由用户行为生成模型直接预测;对深度表示,叠加假说给出近似。叠加模式可用稀疏自编码器自然恢复,恢复出的模式可自动命名并可自然语言查询。合成数据上 SAE 优于 PCA/ICA/NMF/K-means 等经典稀疏基线(Transformer 编码嵌入上也成立),两个真实数据集上用古典和 Transformer 用户嵌入验证,自然语言标签支持零样本受众检索和特征刻画——即使嵌入从未用文本训练过。框架是后验、模型无关的,不需要改上游嵌入系统。相比 SAERec 用 SAE 从 LLM 文本嵌入构建细粒度意图先验,这篇把可解释性对象换成了用户侧嵌入。实际价值在于:可解释性不再是事后安慰,而是变成了可查询、可复用的检索入口。
UNITE(快手系)— 多模态检索受制于数据源异质和跨模对齐复杂。UNITE 从两个角度入手:数据策展(首次系统分析模态特定的数据属性如何影响下游任务性能),以及模态感知训练配置——Modal-Aware Masked Contrastive Learning(MAMCL)缓解不同模态实例之间的竞争关系。多个多模态检索基准上 SOTA,7B 模型超过 26B 的 IDMR。与 HIVE 用 LLM 做 query 合成与验证来提升推理密集型检索相比,UNITE 走的是训练数据与损失函数这条更基础的路径。

值得关注的方向

语义 ID 的信息损失开始被当作系统级瓶颈处理。 BRIDGE、CAP-Mix、UAGR、SA-RSQ 四篇从量化器设计、软表示、效用注入、稀疏软量化四个角度切入同一个问题:离散化本身在削信息上限。CAP-Mix 用 1.4–161 倍推理吞吐优势提示了一件事——软表示不一定要拿延迟换。接下来值得盯的是:软/半软 SID 能否在线上大规模替代硬 SID,以及 Gryphon 那种"SID 生成 + 物品级打分联合训练"会不会成为标准范式。
解码期纠偏与测试时计算开始成为生成式推荐的独立研究层。 BRIDGE 的 effort-aware recurrence、GRC 的反思-纠正轨迹、UAGR 的效用引导 beam 打分、ReuseGR 的 BudgetCut 分支选择,都是在不动骨干的前提下改解码过程。这一层的好处是能直接吃算力、与骨干解耦、工程上线成本低。风险是校正信号如果来自有偏的奖励模型,纠偏会放大偏差而不是修正。
Agent 的评估与自进化正在形成闭环。 EvoRec 把失败轨迹转成复用策略(无需更新参数),E-GenRM 训练生成式奖励模型给 Agent 做判断,WISE 反过来诊断系统质量问题,SSR 给生成式搜索定义会话级成功指标。这四件事指向同一种架构:Agent 负责生成行为,另一个模型负责判断行为,判断结果回流为训练信号或策略更新。最值得跟踪的是 E-GenRM 这种"奖励模型即基础设施"的思路能否从购物 Agent 扩散到搜索和推荐主链路。

本周论文速览

生成式推荐与语义 ID
BRIDGE — 快手提出语义量化鸿沟概念及三项弥合机制;Amazon 三个基准 Recall@10 +10.9%,线上 eCPM +0.65%。
CAP-Mix — Meta 系提出原型软混合的物品表示替代硬 SID;六基准 HR@5 +6.9%、NDCG@5 +13.6%,推理吞吐 1.4–161 倍。
HERO — 阿里巴巴 1688 用异构教师蒸馏与多样性感知 rollout 缓解 OPD 流行度偏差;线上 GMV +3.412%。
GRC — 阿里巴巴国际数字商业提出生成-反思-纠正解码框架;六个基线之上最高 +15.74%,线上广告收入 +1.79%。
ReuseGR — 阿里巴巴解耦离线 7B 规划与在线 0.5B 补全;HR@100 +3.83pp,延迟降 38.9%,线上 CTR +0.93%、RPM +1.05%。
WeSearch — 微信提出查询簇检索 + 原子文档排序的统一检索框架;全量部署,CTR +0.68%、人均点击 +2.27%、资源成本 -41%。
UAGR — 快手把下游效用注入 SID 构建与解码;全量部署,视频观看时长 +0.206%。
SourceFlow — 腾讯系把协同结构引入流匹配源分布;五数据集 Recall@10 相对 +15.7%。
重排与广告排序竞价
OneTrans-GSR — 字节跳动用单 decoder 统一重排与混排、奖励模型引导 RL;GMV/u +2.63%、广告主价值 +2.06%、延迟 -13%。
ICE — 阿里巴巴淘宝用联合行为建模替代独立行为建模的评估器;14 天 A/B 点击 +0.70%、收入 +3.67%。
UniMVT — 快手统一多值处理网络联合优化去偏 CTR 与 uplift;线上 A/B 业务指标提升。
ChoirRec — 阿里巴巴淘宝用 LLM 语义分组增强低活跃用户 CVR;离线 GAUC +1.16%、线上订单量 +7.24%。
HOB — 阿里巴巴在异构竞价环境下对齐边际成本;商业 DSP 上线,GMV +3.0% 且维持 ROAS。
辅助监督用于广告精排 — 引入多源用户事件作为 CVR 辅助监督,配线性化标签、split architecture 与 LaCo。
DCD — 广告点击后目的地个性化框架,A2C 软标签训练单任务策略模型;线上 A/B 优于静态路由。
LLM 标注能否替代用户点击 — 百度参与,系统比较两种监督信号并提频率感知多目标融合;全频率 query 排序提升。
OSMF — 京东做群组级广告图像生成,Group-DPO 对齐;开源 GAIP(60 万群组、4000 万用户),线上 CTR 提升。
LLM 与 Agent 驱动的推荐搜索
EvoRec — 快手用动态反思树实现免参数更新的自进化 Agent;Hit@50 +15.7%,线上广告收入 +4.6%、高意图用户 +14.5%。
E-GenRM — 阿里巴巴淘宝训练 27B 购物 Agent 生成式奖励模型;基准偏好准确率 87.40%,14 天 A/B 满意度 +2.33pp。
WISE — 快手形式化系统质量诊断任务并构建 WISE-BENCH;35B 模型端到端归因准确率 75.20%,已用于生产质量审计。
CADRE — 腾讯用多专家 Agent + Verifier 引导辩论做电商相关性判定;A/B 显示相关性分类与满意度提升,蒸馏学生模型在线服务。
LEAPS — 阿里巴巴淘宝用 Broaden-and-Refine 插件解决自然语言多约束查询;2025 年 8 月起全量部署,月服务数亿用户。
SPADE — 美团四组件端到端生成框架做本地生活主动查询推荐;离线 HR@5 +5.6%,线上模块 CTR +1.88%。
MILES-Rec — 高德从地图行为推断隐式意图并生成优先查询列表;构建 MILES-Bench,四种骨干规模稳定提升。
SSR — Microsoft 提出会话成功率指标识别 good abandonment;6904 条标注 query 平衡准确率 0.75,生产实验敏感度约 2.5 倍。
BrowseFlow — 阿里巴巴淘宝 + 清华用条件离散流匹配做用户浏览模拟;构建 TaobaoBrowse,三数据集分布性能最优。
GraphMind — Microsoft 从运维 trace 构建自进化工作流图;四个云数据库服务部署,检索上下文少 8 倍、幻觉率降 26%。
多模态表示与训练系统
PersonaAgent — Visa 用可刷新 persona 记忆做交易异常打分增强;1000 笔 CPU 批处理 1–2ms,PR-AUC 相对 +0.65–6.58%,业务指标相对 +8.93–14.24%。
SparseLift — 快手提出稀疏路径编译器;100B 稀疏参数任务稳态吞吐 +16.5%,DLRM 上比 TorchRec 快 1.26 倍。
MUSE — 阿里巴巴淘宝系统分析多模态在两阶段终身兴趣建模中的用法;已部署支持 10 万长度序列,开源数据集。
SA-RSQ — 美团提出稀疏激活残差软量化;8–48 字节/物品预算下重建-CTR 权衡更优,线上 CTR +2.51%、CPM +3.66%。
用户嵌入是行为模式的叠加 — 用 SAE 从用户嵌入恢复可解释行为模式并自然语言命名;支持零样本受众检索,框架后验且模型无关。
UNITE — 快手系提出模态策展 + MAMCL 的通用多模态嵌入框架;MMEB 等基准 SOTA,7B 超越 26B IDMR。
  • 推荐系统
  • 周报
  • 论文
  • AI周报 2026-W45推荐算法日报 - 2026-11-07
    Loading...