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 17 篇，入选 10 篇，分数 3.25 – 4.15
Yandex推荐系统可以把召回与排序合并到一个模型里。Gryphon-v2 只编码一次用户历史，先生成 Semantic ID（物品的短编码），再用轻量排序头打分；教师只参与训练。Yandex Music 线上实验中，活跃用户数提升 1.41%。
用户的真实行为也能成为大模型的训练题。Vela 把长期行为记录整理成任务与推理轨迹，再用难度筛选和轨迹验收控制训练质量。以真实行为监督微调后，用户相关任务相对基础模型最高提升 11.5 个点。
INSIGHT行为日志的价值不止是预测下一次点击。把记录改写成可检验的偏好、意图和未来行动任务，可以训练模型读懂一个人；关键在于任务筛选和轨迹验收，避免把行为噪声直接当成正确答案。
Google物品编码不必先翻译成文字才能交给大模型。UniLang 扩展模型词表，让机器符号和自然语言一起生成，并用有任务含义的向量初始化新增符号。在 MovieLens-20M 上，NDCG@5 相对表中最强基线提升约 151.7%。
INSIGHT把编码当作真正的 token，能减少“结构数据转成文本”这一步的信息损耗。新增符号的初始化与训练目标要一起设计；收益随数据集和指标变化，Beauty 上的 Recall@10 就没有超过最强基线。
Snap广告召回的离线评测容易被稀疏点击误导。这项工作先把用户历史压成若干意图代表，再让大模型判断商品与各类意图的相关性，最后蒸馏给小模型。正文中的一种内容召回方案，线上转化率相对提升 4.98%。
INSIGHT把用户历史压成多种意图，比只取最近行为更能保留需求。评测器的作用是比较候选与这些需求是否匹配；相关性分数和线上收益要分别报告，不能把某条召回策略的转化提升归功于评测器。
University of Liverpool
Alibaba推荐模拟器需要记住用户为什么会疲劳或改变兴趣。PsyBer-Agent 用随交互变化的心理状态驱动轻量策略，再用真实日志校准状态轨迹；大模型负责少量回退。扩展到 500 万排队任务时，成功率为 95.18%。
INSIGHT让快策略处理常见行为，把大模型留给难以判断的情况，可以控制长周期模拟成本。这里的排队任务规模不等于同时在线用户数；行为贴合度、状态一致性和系统吞吐也需要分开理解。
给生成式推荐塞进更多上下文，可能让结果变差。作者把零售场景的相关条件与无关条件组合测试，寻找足以满足当前意图的最小集合。其中一名客户的适当性得分，从较小条件集的 0.94 降至全条件集的 0.88。
INSIGHT上下文的目标是补齐当前意图需要的条件，而不是堆满模型窗口。可以把营业规则、库存等动态条件按意图筛选，同时检查生成结果是否遵守约束；实验仅围绕两名客户画像展开，给出的是设计框架。
检索前的推理不是越长越好。AURA 用相关文档与难负例之间的区分度监督中间推理，再训练轻量估计器判断何时停止。在相同部署条件下，自适应停止把完整推理的延迟从 4.6 秒降到 0.76 秒。
INSIGHT停止推理应由检索收益决定。把每一步产生的表示拿来检查“能否拉开相关与不相关文档”，比只奖励最终命中更能约束过程；适合分析复杂查询，但属于检索赛道的相邻补充。
内容生成代理收到的点击和转化往往来得很晚。TIDE 沿时间和语义轨迹分配反馈，再根据生成时实际调用的记忆估计贡献，决定保留、改写或淘汰哪些经验。电商营销离线回放中，记忆演化增益提升 7.75 个百分点。
INSIGHT记忆好不好，要看它对未来任务增加了多少价值。把延迟反馈拆到实际参与生成的经验上，可以避免反复强化一条碰巧获得高点击的记忆；评估时也要把任务时间分开，防止结果回流到过去。
Southeast University
Xiaohongshu召回和排序可以共用用户历史，但不能偷看后续信息。LIFT 把一次交互拆成请求、物品、上下文和动作，按发生顺序建模，让不同阶段读取不同状态。在淘宝数据集上，联合得分相对最强对照提升 3.6%。
INSIGHT共享模型时，要先明确每个阶段当时知道什么。用状态边界约束召回与排序读取的位置，可以复用历史表示而不泄漏未来动作；其联合得分体现两项任务的折中，不等同于线上点击率。
大模型做召回不一定要保存很大的稠密向量。这项工作让稀疏模型提供随输入变化的词项监督，只保留主要激活，再联合训练检索与稀疏约束。相对 Lion-sp，索引存储缩小 6.4 倍，并保持有竞争力的检索效果。
INSIGHT稀疏程度可以跟着输入难度变化。按累计激活量选监督词项，能避免给每条查询同样的词项预算；比较延迟时仍要把索引规模、查询计算和检索环节一起计入，这属于检索赛道补充。
已录用 EMNLP 2026