本周推荐系统研究集中在四条技术主线：生成式推荐进入工业深水区、排序模型向长序列和细粒度语义演进、召回系统在异构索引和因果优化上取得突破、LLM增强推荐从实验走向工程落地。34 篇论文中有 23 篇来自工业界（含 18 篇已部署），13 篇报告了线上 A/B 结果。 主线 1 "生成式推荐从 DocID 设计到微调对齐"： 阿里巴巴的 CRID 将业务价值排序直接编入 DocID，在 300M 商品库上全流量 GMV +1.06%。GFlowGR 用 GFlowNet 微调生成式推荐，在淘宝搜索广告实现年收入 +0.4%。美团 NONTP 通过时序对比学习和跨域学习扩展 NTP 训练信号，线上 CTR +1.8%、GMV +2.1%。三篇的共同指向是——生成式推荐正从 "能生成" 转向 "会优化"。 主线 2 "排序模型追求深度解耦与长时建模"： Meta 的 SlimPer 将个性化排序建模为 <user, item> 知识库迭代精炼，支持 10k+ 历史事件且 O(N) 复杂度，部署于 Instagram。Yandex 的 Long-History User Transformers 通过离线编码 + 缓存 + 轻量在线模型解耦长历史推理，搜索广告 +2.77%。阿里 SAM 用饱腹感门控显式建模兴趣生命周期，将购买后重复率降低 60%。 主线 3 "召回系统的工程与因果范式"： Pinterest 的因果检索框架减少 85% 购物触发器而不损关键会话。MESH 通过模块化架构和门控偏置校正，使新鲜物品缩放指数提升 14 倍，用户留存 +0.46%。Microsoft 的 FlashTrie 将生成式检索的约束解码全量迁移至 GPU，800M 关键词库 <3ms，线上收入 +0.71%。 主线 4 "LLM 推荐的轻量化和 Agent 化"： Vrbo 用训练免费的 LLM 合成查询解决长尾覆盖问题，缩小 3B 模型与 API 模型的召回差距至 <1%。QuintoAndar 的 LLM 重排序融合对话上下文在房产搜索中 CTR +5.3%。Kuaishou 的 RashomonLLM 将解释生成与预测耦合，在直播 CTR 上 AUC +2.3% 且解释质量提升 8.7%。

因果推断与长期优化成为工业界标配：今日多篇工业界论文（Pinterest、Yandex）将因果推断、Uplift建模和长期用户留存作为核心优化目标，从传统的CTR/CVR短期信号转向更复杂的因果效应和长期价值建模，且均已在生产系统大规模部署验证。; 大模型（LLM/Transformer）在推荐链路中落地加速：LLM和Transformer不再仅用于特征工程，而是直接嵌入到重排序（QuintoAndar）和历史编码（Yandex）等核心环节。工业界正探索如何将大模型的语义理解能力与严格的延迟约束

精排架构向可扩展Transformer演进：以TmallGS为代表，工业界精排正从传统DLRM转向统一、计算密集型的Transformer架构，通过层次化特征分词和场自适应门控机制处理异构特征，并验证了Scaling Law的有效性。; 去偏与个性化走向精细化解耦：多篇论文关注如何分离混杂信号。OrDA通过正交正则化解耦访问习惯与真实兴趣，Apple TV搜索则混合文本与ID嵌入来区分语义相关性和协同信号，两者均通过因果干预或对比学习提升个性化纯度。

异构内容统一与缩放：工业界正从碎片化的“检索模型动物园”转向统一框架。Pinterest 的 MESH 通过模块化架构和门控偏置校正，解决了异构内容（如新鲜、长尾）的缩放偏差，使稀疏内容的缩放指数提升 14 倍，并带来显著的线上收益。这预示着未来检索系统将更注重生态感知和统一缩放。; 推理与预测的解耦：在序列推荐和生成式推荐中，将推理过程与最终预测解耦成为新趋势。RecRec 通过递归推理在独立潜在空间中精炼兴趣，SlimPer 通过迭代精炼紧凑知识库，两者都打破了传统方法中推理与预测耦合带来的

生成式检索加速落地：今日多篇论文聚焦生成式检索的工业部署瓶颈。FlashTrie 用 GPU 加速约束波束搜索实现 24 倍加速，CRID 将业务价值编码进 DocID 提升 GMV，PG 用配置驱动解耦特征工程加速迭代。生成式检索正从学术概念走向大规模在线系统。; LLM 推荐走向混合架构：LLM 推荐不再是“全盘替代”，而是与传统 ML 协同。Meta/Amazon 的 Agentic 系统用 LLM 处理非结构化信号、传统模型保证效率；Apple Music 用语义检索补充 token-b

LLM 驱动的可解释性与决策智能：今日多篇论文探索了 LLM 在推荐系统中的应用，从生成自然语言解释（RashomonLLM）到作为路由决策的候选模型（LLM Routing）。这表明 LLM 正从单纯的“特征提取器”向“推理与规划引擎”演进，为提升系统可解释性和决策效率提供了新路径。; 理论驱动的在线学习与探索策略：多篇工作聚焦于 bandit 和 Top-k 识别等在线学习问题，并提出了具有理论保证的算法（如 TOFU-POV、渐近最优 Top-k 识别）。这反映了工业界对在有限样本和不确定

本周推荐系统研究围绕三条技术主线展开：生成式检索的工业落地与理论深化、LLM/Agent从概念验证走向真实部署、以及精排/联邦学习在工业环境中的鲁棒性优化。 生成式检索加速落地与多兴趣精细化： 快手在推送通知系统中部署了异构生成式架构 HGenPush，采用非自回归多token预测替代传统自回归解码，实现DAU提升0.181%。Walmart将库存感知RAG引入赞助搜索，InvAwr-RAG将广告填充率提升68%。理论层面，BACH通过贝叶斯混合头解决多兴趣双塔的路由坍塌问题，在三个基准上刷新召回率；DaV-Gen提出draft-and-verify机制统一生成式检索的效率与精度。此外，Signed MaxSim首次从理论上证明MaxSim的表达力不低于向量内积，并扩展至任意实值内积。 LLM/Agent推荐从原型走向生产： Meta的 SCOReD 是本周最突出的部署工作——通过学生感知的CoT优化将教师推理轨迹适配到小模型，线上获得NDCG+1.56%和Recall@5+1.9%，同时推理长度减少27.3%。Walmart使用LLAMA2 7B+LoRA做广告相关性三分类，准确率89.43%超越GPT-4。学术方面，MMEACR提出双轨记忆架构加强Agent的视觉推理能力；LBR系统性地揭示了LLM推荐中的长度偏差，并提出轻量校正方案（NDCG@5提升16.82%）；综述论文Autonomous Information Seeking为Agent推荐建立了三范式分类法。 工业级精排与联邦学习优化： 快手的 PIT-SUN 是一种可直接部署的经验边际变换框架，通过对重尾目标进行概率积分变换与期望一致性恢复，在线上全面改善点精度和校准。FeLiX则针对联邦学习中客户端流失问题，提出流式感知可用性层级和延迟鲁棒聚合，将收敛时间缩短2.37倍。

多兴趣建模与端到端生成式检索的范式突破：今日两篇工业界高分论文（Amazon BACH、Alibaba DaV-Gen）分别从不同路径挑战传统多阶段级联架构。BACH 用贝叶斯软混合替代硬路由，解决多兴趣头坍塌问题；DaV-Gen 则借鉴投机解码的 Draft-and-Verify 机制，试图统一检索与排序的优化目标。这标志着工业界正从“多阶段拼装”向“端到端联合优化”加速演进。; 回归任务中的长尾与期望一致性成为精排核心挑战：快手与人大合作的 PIT-SUN 论文，聚焦于停留时长、GMV 等长

[大模型 Agent 与多模态记忆的深度融合]：今日多篇论文探索了将 LLM Agent 应用于推荐系统的新范式。MMEACR 提出了双轨记忆架构，将 Agent 的符号推理与多模态嵌入匹配分离，并通过属性引导的强化反思机制更新记忆。这标志着 Agent 推荐正从纯文本推理向融合视觉、文本等多模态信号的更精细、更鲁棒的记忆系统演进，为构建可解释、高保真的下一代推荐系统提供了新思路。; [面向生产环境的联邦学习与在线学习优化]：针对推荐系统对模型新鲜度的严苛要求，FeLiX 框架直面客户端流失、数

[LLM推理蒸馏走向精细化]：今日多篇论文聚焦于如何高效地将大模型（LLM/VLM）的推理能力迁移到小模型。从Meta的SCOReD（学生感知的CoT轨迹优化）到PORTS（偏好优化对齐检索器与LLM），核心思路不再是简单的SFT，而是根据学生模型的能力动态裁剪、改写教师轨迹，或利用LLM的perplexity信号作为偏好标签，实现更精准、更高效的蒸馏。; [检索模型的理论基础与表达能力受关注]：学术界开始深入探究检索模型（尤其是Late-Interaction模型）的理论上限。UMass的论文

生成式推荐进入工业深水区：今日多篇工业论文（快手、阿里、沃尔玛）将生成式推荐从概念验证推向生产部署。核心创新点不再是简单的“用生成替代检索”，而是聚焦于异构内容生成（同时推荐视频和作者）、库存感知（RAG动态改写广告查询）以及多token预测（替代低效的自回归生成），以解决实际业务中的效率与效果平衡问题。; 重排器价值再发现：从“后处理”到“训练信号”：Yandex的论文提出利用重排器（精排模型）的分数来指导召回嵌入的学习，打破了传统“召回-精排”的流水线隔离。这一趋势表明，工业界正试图将精排模

本周24篇论文中，4篇来自工业在线部署（Meta、Netflix、阿里巴巴、快手），覆盖召回、排序、重排、全链路生成阶段。核心技术密度的分布逻辑在变——生成式推荐从"能生成"走向"能推理"，召回从嵌入匹配转向导航式探索，排序阶段则在约束和解释之间寻找平衡。 生成式推荐进入"推理+强化学习"时代： GR2、ShopX和GenPage在同一周展示了三种不同的生成式架构走向。GR2在重排阶段首次引入推理链（CoT）和RL后训练，在工业流量上R@1提升18.7%。ShopX将生成式推荐从候选生成推向"意图到物品"的端到端执行，在淘宝Agent场景下复杂请求满足率提升55-75%。GenPage走得最远——用单Transformer替代Netflix整套多阶段主页流水线，核心指标+0.24%的同时延迟降低20%。三篇的共同指向是：生成式推荐的核心壁垒已从"能否生成"转向"能否在推理质量与部署效率之间找到工业可行解"。 召回从静态匹配走向动态图探索： Meta的硬负采样通过LLM聚类生成实时同簇负样本，在线召回率+8.5%、流行度偏差-12.3%。快手的IID-Nav将召回建模为自主图探索，支持间接无限深度遍历。Kuaishou的POEM利用多任务排序分数构建偏序序列，实现请求级别的实时兴趣更新。三条技术路径共享一个趋势：召回正从静态嵌入查询转向动态、上下文感知的行为建模。 约束优化与可解释性重回视野： Avito的PermR在5600万搜索查询上证明了相邻交换法能在生产延迟内逼近整数规划收益。KakaoBank的ChunkGroupSHAP用分组Shapley值弥合了词级解释与密集排序器之间的粒度鸿沟。这两个工作提醒行业：在大模型热潮中，渐进式工程优化和可解释性工具仍能产出具象收益。