今日场景今天个性化赛道的主线是用好用户真正看到了什么。LinkedIn 把展示过却没点开的人写进训练目标，轮播推荐只用真正被浏览到的位置更新模型，快手让多个 agent 按人写广告脚本。另外几篇处理带硬约束的推荐，包括家庭共享冰箱、用药组合和助手里的广告拍卖。 — 评分 49 篇，入选 10 篇，分数 3.20 – 4.00
LinkedIn在 LinkedIn 上，一个开始找工作的软件工程师，想点开的往往不是另一位工程师，而是招聘官、招聘经理和 HR。职业社交里该推荐谁常常是互补的，而不是相似的。可大多数推荐系统用的是资料越像越该推荐的思路，于是总把同行推给他。PAIR 换了一个训练目标：不再学谁和谁像，而是从真实日志里学用户在看到的几个人里点了谁。上线做对比实验后，推荐的点击率提高 7.5%，付费会员的续订率提高 2.1%，页面速度没有变慢。
推荐系统在一排商品里放了某部电影，用户没点。系统该把这次记成用户不喜欢吗？如果用户根本没往右滑到那里，这条记录就是错的。大多数在线学习排序的算法分不清这两种情况，只能靠猜：先估计每个位置大概有多少人能看到，再把点击数按这个比例折算。在可以左右滑动的轮播界面里，其实用不着猜，手机或网页客户端本来就能记录用户这一次最远滑到了第几个位置。作者把这个信号用进排序算法：只拿用户确实看到了的位置来学习。在根据真实用户眼动数据搭建的模拟环境里，新算法的表现和一个提前知道每个位置被看到概率的对手一样好，而它自己并不需要知道这些概率。
跨品类推荐时，不同用户在两个品类里的兴趣重合程度差别很大，按用户决定迁移多少、往哪迁移，比统一迁移效果更好：在亚马逊评论的电影、图书、运动、服装数据上，命中率和 NDCG 比最强的对比方法高 3.91% 到 16.62%。每个用户在两个品类里各有一个语义表示，迁移就是让源品类的表示沿一条二次贝塞尔曲线移向目标品类，控制点由一个小网络从大模型写的两边用户画像算出。走多远由兴趣重合度决定：商品按语义聚成若干类，每类代表一种兴趣（论文叫兴趣原型）；用户在两个品类里落到各类的比例越接近，走得越远。
浏览、收藏、加购这些行为的购买信号会随时间变弱，上周加购没买的东西，今天未必还想买；按行为类型和距今多久估出每次行为还剩多少购买信号，排序时压低过期的行为，能明显提高购买预测。BLMRec 给每次行为估一个初始强度和衰减速度，剩余信号随时间按指数衰减。训练标签来自行为发生后 1 天到 30 天的几个时间窗口，窗口内同一商品往下单推进了一步，比如浏览后加购、加购后下单，或者买了同类目、常被一起买的商品，就算仍有效，否则算停滞。每个窗口各给一个标签，模型在各窗口末尾的估计都要对上，损失相加。在专门放进大量逛过、加购过却没买的商品的较难测试里，它的 Recall@20 比对比方法 RMBRec 高 8.8%。
Kuaishou视频广告的个性化，通常只是从做好的素材库里挑最合适的一条，素材本身不因人而异。快手的 MAPS 改成给每位用户现场写广告脚本、生成视频：先从观看记录推断偏好，再结合商品信息写脚本。写脚本的模型用强化学习训练，奖励既贴合用户、又准确介绍商品的脚本；广告投出去后，再按用户反馈修正画像。线上 A/B 测试里，和检索素材的方法相比，每用户平均收入提高 9.85%。
想离线评估购物推荐策略，模拟用户测出的策略差异要和线上 A/B 对得上，多数模拟器做不到，拿一次真实的线上排序策略对比来检验，其他专用模拟器测出的点击率提升最多只有线上的 0.297 倍。UserArena 用真实电商日志搭了这个测试场，并给出一种训练模拟用户的办法。先让大模型读完一位用户的完整购物记录，总结出他的购物意图，比如稳定的偏好、比较商品时看重什么，这份总结只给一个冻结的老师模型看。学生模型只看到当前页面和之前的行为，自己生成下一步动作，老师结合意图总结给它生成的每个 token 给出目标分布，学生照着学。用它重跑那两种策略，测出的提升是线上的 0.713 倍，在所有模拟器里最接近。
一家人共用一个冰箱，又各有忌口，分别给每个人推荐，很容易抢同一份食材，或者推出某人不能吃的菜。作者把它当成分配问题：先用一个学出来的模型按口味、库存和忌口给每个人对每种食物打分，再一轮轮分配，每轮让一个人拿走他分数最高的剩余食物，挑谁看全家满意度乘积涨得最多，这样没有谁吃得特别差；最后用硬规则过滤，保证每个人的忌口都不被违反。在 100 个四口之家上，成员之间的满意度差距比只在冲突时调解的做法缩小了 42%。
大模型回答里插广告和搜索广告位不一样，用户点了第一条就不再往下读，靠前的广告会抢走后面广告的点击，广告主也因此可能不如实出价。作者不调换广告顺序，而是随机省掉一些广告，靠前的省得更多：把一条广告和排在它后面的入选广告的单独点击率加起来再加一，保留概率就是这个和的倒数，比如两条单独点击率都是二分之一的广告，第一条保留一半、第二条保留三分之二，两条被点到的概率就都是四分之一。在此基础上选出总点击价值最大的组合，按 VCG 式规则收费，如实出价最划算。论文证明，这样至少能拿到允许随意调换顺序时最优总价值的一半。
开药推荐有个硬约束：一组药里互相冲突的搭配不能太多，而冲突取决于整组药，不是单个药。常见做法是先按评分选药，再一个个删掉冲突的药、补上替代药。作者固定同一个模型的评分，把这一步换成一次性求解：在冲突上限内，直接找总评分最高的整组药。从宽到严的每一档约束下，整组求解和医生实际用药的重合度都更高，约束越严，优势越明显。评分怎么变成最终药单，本身就会影响结果。
推荐里的公平调整，通常是训练时定死一个目标，或者排序后固定套一条重排规则，可每次请求的候选和曝光情况都不一样。FAIRGate 让语言模型在每次请求时，从一份固定的策略菜单里选一条，比如给长尾电影保底、让各类电影曝光更均衡；真正改列表的是一段确定的程序，改完再检查策略有没有满足、相关性损失是否在预算内。在 MovieLens 上，按固定顺序套用策略时只有 9.10% 的请求满足了选定的策略，FAIRGate 是 60.70%。