本周推荐系统研究围绕三条技术主线展开:生成式推荐的语义 ID 从"建得好"转向"维护得住",长序列排序在效果与算力之间重新找平衡点,Agent 系统把评估、监控、成本治理当作一等公民。 主线 1:语义 ID 进入运维期,核心问题从编码转向时序稳定与解码个性化。 快手 OneLatent(线上广告收入 +9.6%,推理吞吐提升超 17 倍)把显式 CoT 压进 latent token。阿里巴巴/天猫的 SID 拓扑保持在 67 天日志上量化出映射更新会让 HitRate 掉 41.78%–62.05%,最终线上 GMV +1.16%。优酷 SPAR 用前缀平衡的 RQ-PIB 把最大子分支流量份额压降 32.84%,线上观看时长 +3.95%。三篇的共同指向是——语义 ID 的价值不再只由码本质量决定,更取决于码本随时间漂移时的应对策略与每一层解码时的用户证据注入。 主线 2:长序列排序的算力账单被摆到台面。 快手 ECHO 在 100K 序列长度下把在线序列分支 FLOPs 降低约 160 倍,离线 GAUC 提升 0.113%–1.520%,线上 app usage time +0.613%。Meta 的 Predictable Scaling 用缩放律预测把候选假设的全量训练压到 79%–88% 的计算节省,同时保持假设排序正确。两者都在回答同一个问题——序列越长、模型越大,靠堆算力换效果的路还能走多远。 主线 3:Agent 推荐的评估、归因、监控成为独立工程问题。 阿里 UserArena 用 64,729 条真实会话轨迹搭出可对照生产 A/B 的交互式基准。Adobe LARA 指出 agentic 检索存在"谁读结果、何时行动、归因于检索还是模型知识"的三重归因缺口,chat 用户改写率 44.4% 高于 gallery 的 33.1%。大型美国零售商 MOSS 把 LLM 相关性评分嵌入循环监控,部署六个月发现两个线上缺陷,其中一个修复后告警率相对下降 76.4%。评估不再是排行榜,而是一条持续运行的生产管线。
本周三篇工作指向同一个底层问题:推荐系统的算力、监督信号和特征资产,该如何按"实际贡献"而非"名义规模"来分配。TransX 把序列转导拆成可独立扩展的组件并解耦训练与服务,EWM 用解释重构延迟奖励的信用分配,FORTE 把特征下线做成可日更的工程流程。三者方法不同,但都在回答"哪些计算、哪些信号、哪些特征真的有用"。 主线一:生成式推荐的扩展从"堆模型"转向"配算力": LinkedIn 的 TransX 报告了一个反直觉的观察——编码器在固定记忆分辨率下加深到中等深度后就饱和,继续加监督信号反而应该把预算挪给候选条件融合。它线上 CTR +6.02%、转化 +4.45%,同时服务成本降近 80%。这说明容量增长和服务成本可以脱钩。 主线二:延迟奖励的信用分配开始借外力: EWM 不再依赖时间接近性传播奖励,而是让前沿语言模型生成"哪些早期事件导致了当前结果"的解释,再用保守分层算子把奖励递归重分配回去。在 Crafter、WordCraft 上奖励越延迟,相对 PPO 和 LaRe 的增益越大。 主线三:特征资产生命周期被当成独立工程问题: Pinterest 的 FORTE 在搜索相关性模型上移除了 43.3% 的特征,在大型排序模型上减少 29.9% 可训练参数、服务吞吐提升 19.8–25.5%,且线上 A/B 无回退。特征下线第一次有了可预测线上结果的离线流程。