2026-09-16 Personalization · 个性化推荐论文日报（第 146 期）

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 6 篇，入选 6 篇，分数 3.20 – 4.50

本期目录 · 6 篇

LEAD STORY · 今日必读 ·

Alibaba

LazFormer: Scaling Transformers for Industrial Recommendation via Transferable Generative Pre-training

针对工业 CTR/CVR 排序的预训练迁移与稀疏参数过拟合问题，LazFormer 用零初始化残差适配器接入排序特征，结合请求级长序列计算及逐轮重置稀疏参数。默认模型 CTR AUC 达 0.7735，优于 OneTrans 的 0.7661；两周线上实验 GMV 提升 9.85%，但 A10 单机吞吐下降 12.1%。

📖 深度解读 · 9 分钟 arXiv ↗

4.50

综合分 / 5
偏好调整 4.60

KEY INSIGHT · 对业务意味着什么社区 UGC 搜索可借鉴其行为预训练到点击排序的迁移方式，尤其适合新增收藏、评论、停留等特征时保护原有表征。应先验证残差适配和请求内历史共享，再扩大序列长度；论文线上收益来自电商首页，不能直接视作社区搜索 nDCG 或 CTR 的预期增益。

Xiaodong Li, Alin Fan, Mingyang Li, Yan Xiao, Shichao Nie, Junfeng Zhang, Shaochuan Lin 等 10 人 · 2026-09-14 · arXiv

今日其余入选

5 篇 · 按综合排名

02 4.40

Generate to Explore, Select to Exploit: Aligning LLM-based Headline Generation with Personalized Recommendation

Baidu📖 深度解读 · 9 分钟 →

GESE 面向个性化标题展示，将多样候选生成与在线点击选择拆分：Qwen3-14B 通过 GSPO 学习兼顾吸引力、忠实性和多样性的标题集合，再由反馈驱动排序器选择。在线相对原始标题 CTR 提升 2.57%、停留时长提升 0.87%；去掉质量约束会使 NLI 分数从 80.17 降至 47.32。

INSIGHT对社区帖子搜索卡片，可将生成能力用于提供不同信息重点，再用用户实时兴趣选择展示文案；原文真实性应作为明确约束。实验中仅 SFT 的 CTR 下降 1.50%，说明生成文本本身并不保证有效个性化；试验需同时观察点击、停留及内容一致性，并单独核算冷启动探索成本。

Yi Chen, Rufeng Cheng, Qiang Xie, Tao Li

arXiv·2026-09-14·Relevance 5 · Novelty 4 · Practical 4 · Evidence 4 · Timely 5

03 4.10

P3Rec: Distilling Prior--Posterior Preference Reasoning for LLM-based Recommendation

重庆理工大学

北京大学重庆大学

P3Rec 将不依赖目标物品的先验兴趣与目标条件下的后验偏好共同蒸馏到轻量推荐器，并用兴趣熵校准用户表征。Amazon Sports、Beauty、Toys 三个数据集上，相对 R2END 的平均指标增幅分别为 8.52%、11.81%、7.65%；Beauty 的 NDCG@10 从 0.0506 升至 0.0575。

INSIGHT社区 UGC 搜索可离线提取用户长期话题偏好，再将目标相关解释用于训练监督，线上保持轻量打分。实践重点是严格隔离后验目标信息与线上可用输入，并按兴趣分散程度分桶验证；论文证据来自电商离线序列推荐，仍需补做搜索意图与短文本噪声场景的 nDCG、CTR 测试。

Jinfei Chen, Weihai Lu, Jiawei Cheng

arXiv·2026-09-14·Relevance 4 · Novelty 4 · Practical 4 · Evidence 4 · Timely 5

04 3.85

TAST: Task-Aware Sparse Topology Learning for Multi-Task Recommendation

TAST 为多任务推荐学习任务专属稀疏连接，并通过密度分配及样本条件细化缓解共享参数竞争。在四个 AliExpress 子集和 UserBehavior 上取得最高平均 AUC；相对各数据集最佳基线，绝对增益依次为 0.0010、0.0001、0.0032、0.0056、0.0110，部分数据集差异未达统计显著。

INSIGHT社区排序同时优化点击与后续互动时，可尝试按任务学习共享连接范围，并用验证集决定是否启用细化分支。它提供了较清晰的负迁移排查路径；不能将稀疏参数直接等同于线上加速，需另外测量实际延迟，并保留共享底座及专家模型作为对照。

网页来源·2026-09-15·Relevance 4 · Novelty 3 · Practical 4 · Evidence 4 · Timely 5

05 3.45

PCGNet: Unifying Shared and Specific Information for Fashion Matching Recommendations

HKUST

PCGNet 在服饰搭配中联合建模物品兼容性与用户偏好，通过共享及特有信息的对比互信息学习、相关邻居采样和图增强缓解稀疏噪声。Polyvore-U-519 的 NDCG@10 达 0.7117，IQON3000 达 0.7386；相应 CP-TransMatch 基线为 0.5472 和 0.6453，评测使用采样负例。

INSIGHT对社区多目标个性化，其可借鉴点是区分内容之间的匹配关系与用户特有偏好，再联合学习两类信号。服饰结果高度依赖视觉特征与搭配图，迁移到短文本搜索需重新定义关系；采样负例的排序收益也应通过全量候选评估复核，不能直接外推线上点击率。

Shuiying Liao, P. Y. Mok

arXiv·2026-09-14·Relevance 3 · Novelty 3 · Practical 4 · Evidence 3 · Timely 5

06 3.20