02 4.05
LLM Retrieval for Stable and Predictable Ad Recommendations
论文把广告素材解析为分层语义属性，再用微调 LLM 生成语义表征，并通过图扩展召回语义相近的候选，以改善推荐系统的稳定性与可预测性。作者在大规模工业广告系统中同时做离线评测和线上 A/B，重点验证语义变体的一致投放与传统效果指标，而不是只看单次点击率。
INSIGHT对 UGC 短文本搜索，LLM 表征的价值不应只用相似度衡量，还要检查同义改写、轻微内容变化是否导致候选集合剧烈抖动。可以借鉴其“层级语义属性 + 图扩展”做稳定性回归测试，把候选集合重合率、曝光波动和 CTR 一起纳入上线门槛，降低语义模型不可解释的投放风险。
Vinodh Kumar Sunkara, Satheeshkumar Karuppusamy, Hangjun Xu, Sai Deepika Regani, Kshitij Gupta 等 16 人
arXiv·2026-05-29·Relevance 4 · Novelty 4 · Practical 4 · Evidence 5 · Timely 2
快手