Generative生成式推荐 · 1 篇Personalization个性化推荐 · 3 篇

今日场景社区搜索 (UGC 短文本搜索): 用户在社区平台搜索帖子、问答、评论等 UGC 内容。核心指标是搜索相关性 (nDCG) 和点击率 (CTR)。关注：语义匹配、query 理解、短文本召回、排序模型、LLM 在搜索中的应用。 — 评分 22 篇，入选 3 篇，分数 3.15 – 4.35

本期目录 · 3 篇
  1. 01KernelEvolve: How Meta's Ranking Engineer Agent Optimizes AI Infrastructure
  2. 02On the Efficiency of Sequentially Aware Recommender Systems: Cotten4Rec
  3. 03Towards Multi-Behavior Multi-Task Recommendation via Behavior-informed Graph Embedding Learning
LEAD STORY · 今日必读 · Meta

KernelEvolve: How Meta's Ranking Engineer Agent Optimizes AI Infrastructure

Meta 发布 KernelEvolve，一个自主生成和优化底层硬件 kernel 的 AI agent，专门针对排序模型（如广告推荐模型 Andromeda）的推理和训练加速。该系统将 kernel 优化视为结构化搜索问题，结合 LLM 代码合成器、树搜索引擎、硬件文档知识库和强化学习，在 NVIDIA GPU 上实现推理吞吐量提升 60%，在 Meta 自研 MTIA 芯片上实现���练吞吐量提升 25%，KernelBench 250 题 100% 通过率。

📖 深度解读 · 6 分钟技术博客 ↗
相关 3新颖 4实用 5证据 5时效 5
4.35
综合分 / 5
偏好调整 4.35
KEY INSIGHT · 对业务意味着什么KernelEvolve 证明了 AI agent 在推荐排序基础设施优化中的巨大潜力——将数周的专家级 kernel 工程压缩为数小时的自动化搜索。对搜索推荐系统而言，该方案的核心启示是：模型推理延迟的优化不一定需要改变模型架构，通过 agent 驱动的底层计算优化可获得数量级的加速。特别值得关注的是其跨硬件适配能力（CUDA、HIP、Triton 等多语言生成），为推荐系统的异构硬件部署提供了系统化的解决路径。
Meta Engineering · 2026-04-02 · 技术博客

今日其余入选

2 篇 · 按综合排名
02 3.30

On the Efficiency of Sequentially Aware Recommender Systems: Cotten4Rec

Cotten4Rec 提出用线性时间复杂度的余弦相似度注意力替代传统 Softmax 注意力，通过优化的 CUDA kernel 实现序列推荐模型的效率提升。在三个基准数据集上，相比 BERT4Rec 和 LinRec，显著减少 GPU 内存占用和运行时��，同时仅有微小的精度损失，为资源受限的大规模推��场景提供了实用方案。

INSIGHT该工作揭示了序列推荐中注意力机制的效率瓶颈：标准 Softmax 注意力在长序列场景下计算代价过高。余弦相似度注意力的线性时间特性使其在中等序列长度和词表规模的数据集上特别有效。对搜索排序系统而言，当需要建模用户长期行为序列时，可以考虑这种轻量级注意力替代方案，在不显著损失效果的前提下大幅降低在线推理延迟。

Shankar Veludandi, Gulrukh Kurdistan, Uzma Mushtaque
arXiv·2026-02-06·Relevance 3 · Novelty 3 · Practical 3 · Evidence 3 · Timely 3
03 3.15

Towards Multi-Behavior Multi-Task Recommendation via Behavior-informed Graph Embedding Learning

BiGEL 针对多行为多任务推荐（MMR）场景，提出基于级联图范式的行为感知图 embedding 学习框架。核心包含三个模块：级联门控反馈模块实现反馈驱动优化、全局上下文增强模块保持整体用户偏好、对比偏好对齐模块解决级联过程中的偏好漂移问题。在两个真实数据集上超越 10 个竞争基线。

INSIGHTBiGEL 的核心价值在于解决多行为推荐中的两个实际难题：不同行为类型（如点击、加购、下单）之间的信息传递方式，以及级联传播中用���偏好的漂移问题。���搜索推荐系统而言，如果需要同时优化多个目标（如点击率和转化率），级联图范式提供了一种自然建模行为层级关系的思路，对比偏好对齐则可用于缓解多任务���习中的负迁移。

Wenhao Lai, Weike Pan, Zhong Ming
arXiv·2026-01-12·Relevance 3 · Novelty 3 · Practical 3 · Evidence 3 · Timely 3

其他赛道今日

点击切换
Generative
1
生成式推荐 · 篇入选