2026-09-30 Personalization · 个性化推荐论文日报（第 153 期）

今日场景社区搜索（UGC 短文本搜索）：关注相关性 nDCG、点击率 CTR、用户建模与排序。 — 评分 84 篇，入选 3 篇，分数 3.75 – 4.50

本期目录 · 3 篇

01HELIX: Purified and Unified - Rethinking Feature Interaction and Sequence Modeling for Large-Scale Recommendation
02A Unified Generative Re-ranking Framework with Adaptive Multi-objective Fusion
03Bridge the Unseen Gap: Enhancing Non-overlapping Cross-domain CTR Prediction via Profile Retrieval

LEAD STORY · 今日必读 ·

ByteDance

HELIX: Purified and Unified - Rethinking Feature Interaction and Sequence Modeling for Large-Scale Recommendation

论文面向大规模推荐排序中异构特征交互与长行为序列建模难以同时扩展的问题，提出 HELIX：交替执行序列检索和特征交互，并让可复用的用户序列状态单向流向候选相关的混合 token。该设计把用户侧计算摊销到多个候选上。TikTok 电商线上 A/B 测试报告每用户视频成交额约提升 6%，同时离线 CTR 与 CVR AUC 改善。

📖 深度解读 · 18 分钟 arXiv ↗

4.50

综合分 / 5
偏好调整 4.50

KEY INSIGHT · 对业务意味着什么对于社区 UGC 点击率排序，可测试“用户历史预计算＋候选条件交互”的分层结构，并分别度量序列长度、特征交互深度与线上延迟。单向信息流是关键：它既允许两类表征跨层通信，又避免每个候选重复计算完整历史。论文给出约 6% 的线上成交额增益，但社区场景需要独立验证 CTR 和相关性收益。

Yuntao Zheng, Miao Zhang, Yadong Ding, Yanchuan Tang, Lixiyu Chen, Hao Wang, Quan Li 等 21 人 · 2026-09-29 · arXiv

今日其余入选

2 篇 · 按综合排名

02 4.20

A Unified Generative Re-ranking Framework with Adaptive Multi-objective Fusion

Alibaba

MAMGR 处理电商重排序中点击、交易等目标被静态融合的问题。模型用多目标自适应模块实时学习个性化权重，并在生成器与评估器之间共享；双通道上下文模块兼顾局部两两交互和全局列表依赖。RecSys 会议摘要报告支付宝线上 CTR 提升 0.78%、GMV 提升 1.43%，CPU 使用降低 23.53%，延迟仅增加 1.12%。

INSIGHT社区内容排序也常需平衡点击、停留和长期满意度，值得比较固定目标权重与随用户意图变化的权重。共享生成和评估阶段的目标权重，可减少训练目标与实际排序准则不一致。支付宝结果显示多目标收益与资源成本可以同时改善；迁移前应核对社区平台的目标定义、延迟预算和完整论文中的消融。

Heng Zhang, Yifan Gu, Wei Xu, Lei Cheng, Chuan Yuan, Hengrui Zhang

网页来源·2026-09-30·Relevance 4 · Novelty 4 · Practical 4 · Evidence 5 · Timely 5

03 3.75