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 163 篇，入选 10 篇，分数 3.75 – 4.75
Kuaishou十万条历史行为让候选逐一匹配的成本过高，作者先筛选可复用的原始记录，再按候选查找证据。筛选器向完整历史教师学习，并让检索与聚合共享相关性参数。快手线上实验中，应用使用时长提高0.613%。
Tencent📖 深度解读 · 7 分钟 →多个画像任务反复读取同一段长历史，造成大量重复计算。作者把物品内容预先压成可共享向量，再按时间拼回用户历史，配合分阶段训练减少信息损失。腾讯长期保留对照组的实验报告整体GMV提高1.37%。
INSIGHT复用的基本单位可以从用户换成物品。同一内容被不同用户消费时，只编码一次；动作和时序在用户侧保留。对多任务兴趣画像，缓存规模由物品数量决定，比重复运行整段历史更节省资源。
历史行为含已发生的动作，待排序候选却没有，这种语义错位会干扰注意力匹配。作者把环境、动作和状态拆开，让历史与目标先在共同环境空间比较。两个线上场景中，较大的eCPM相对增幅为3.94%。
INSIGHT注意力两端的向量应表示可比较的对象。把环境相似度和动作预测分开，可以避免点击行为混入匹配键后产生歧义；同一预测通路还可用于遮住历史动作后的自监督训练。
Youku逐段生成物品编码时，前一步选错分支会挡住真正相关的内容。作者每步读取与当前前缀相关的用户记忆，并让同一父节点下的分支流量更均衡。优酷线上实验报告人均观看时长提高3.95%。
INSIGHT个性化信号需要随着解码前缀变化，而非只在开头给一次用户向量。编码树的热门分支偏置也会影响生成结果；把用户证据与分支负载一起检查，可以定位早期选路错误。
推荐相关性与公平性分别打分，可能得出相互冲突的模型排名。作者从用户交互构建两者的最优折中边界，再用到边界的距离联合评估。实验覆盖6个真实数据集，并比较人工构造推荐下的稳健性。
INSIGHT多目标评估需要一个清楚的参照边界。到最优折中的距离，比把两个指标任意加权更容易解释，也能发现某个公平指标是否只是在重复相关性排序；业务仍须明确希望靠近哪一段边界。
Spotify序列推荐榜单上的高分，未必来自复杂的历史交互建模。Spotify用相同数据切分，比较成对转移模型与Transformer，并控制评估口径。成对模型在5个数据集中的4个超过两个Transformer复现版本。
INSIGHT历史有效不代表高阶交互必需。给每个历史物品分别计算下一物品的证据，再按新近程度合并，也能得到很强的结果；评估新序列架构时，平滑转移与时间加权应当成为正式对照。
线上排序语义错误往往等不到点击指标就该被发现，作者用大模型持续抽样打分并生成诊断告警。提示词区分推荐策略，再把异常归入可处理的原因。一次回填混合缺陷的修复方案在离线评估中让告警率降低76.4%。
INSIGHT监控需要理解推荐关系，而非只判断内容像不像。把抽样、策略说明、统一阈值和根因追问接成循环，可以发现规则混入与服务缺陷；文中告警下降来自离线修复评估，不等于线上CTR增幅。
删除推荐训练中的某些互动，可能连带伤害共享编码的相邻物品。作者在遗忘目标之外，约束这些邻域获得的预测概率，减少局部误伤。跨数据集实验中，保留效用超过重新训练参照的95%。
INSIGHT全局推荐指标可能掩盖局部损伤。删除垃圾互动或用户撤回的行为时，除检查目标是否被忘掉，还要检查共享编码邻域；把邻域概率重新分配纳入目标，能减少修复后的隐蔽副作用。
多模态重排不一定要为每个候选单独问一次是否相关。作者把候选放进同一个选择题，直接读取选项概率排序，一次前向计算完成比较。在图像检索基准上，较逐候选是非问法的Hit@1提高5.4至7.3点。
INSIGHT候选之间的相对比较本身就是有用信号。对图文UGC重排，把多个候选放在同一上下文中读取概率，能避免独立打分尺度不一致；效果还取决于候选集合、图像预算和服务延迟。
OpenAI对话里用户意图逐步变化，单条请求容易过早触发或误判广告需求。OpenAI用有状态广告会话保留上下文，由独立服务调用召回、排序和竞价工具。文章披露3项核心架构选择，但没有给出CTR对照实验。
INSIGHT用户状态的维护方式会改变排序输入的质量。把跨轮意图更新与候选选择放进独立投放服务，可以减少重复运行，也让广告选择与回答生成各自遵守约束；这里提供的是架构经验。
已录用 RecSys 2026 Workshop