Central South University
Beihang University
South China University of Technology02 3.35
Efficient Multimodal Generative Recommendation with Latent Narrative Reasoning
TencentHong Kong Polytechnic UniversityNarraLite 面向短剧下一段推荐，将文本条件频域视觉压缩与潜在叙事推理结合，直接生成 Semantic ID。模型保留 30 个视觉 token 和 2 个潜在 token；Eval 的 H@10 为 0.3933，高于 LatentR3 的 0.3583，OOD 为 0.3090 对 0.2910。任务不使用用户偏好，结论主要适用于内容续接。
INSIGHT可借鉴的设计是先筛选决定内容衔接的多模态证据，再用隐状态推理减少解释文本解码。社区图文或系列帖子推荐可做内容续接实验，但短文本查询相关性仍需独立验证；论文在 8 张 H20 上实验，未给出线上 CTR 收益，且部分消融表述与表格不完全一致，复现前应核对。
Chenxing Wang, Nantao Zheng, Hao Miao, Juyuan Wang, Xinke Jiang, Yuchen Fang, Aolin Li, Haijun Wu
arXiv·2026-09-13·Relevance 3 · Novelty 4 · Practical 3 · Evidence 3 · Timely 4
Northwestern University
Boston University