02 4.50
CTR 模型通常把长期行为和短期行为各自编码，再拼接或过门控合成一个兴趣向量，短期行为里大促囤货、帮别人买东西这类一次性噪声，会被直接写进长期偏好。京东这篇 ICLR 2026 论文把长期兴趣当底稿，先加噪，再以最近几段会话为条件一步步去噪，生成融合后的兴趣向量。每段会话拆成两路：取平均留下反复出现的偏好，注意力抓住突发兴趣，稳定一路的权重约是波动一路的两倍。线上 7 天 A/B 里 CTR 提升 2.44%，在线延迟只多约 0.3%。
03 4.20
长历史推荐模型为了省算力，会把用户几千条行为压成一小组向量缓存起来。Duke 和 Meta 的这篇论文发现，这种缓存几乎记不住用户最近的行为，很久以前的老行为反而保留得最好，最近的兴趣被老兴趣盖住了。他们提出的 MARS 把历史同时写进四条记忆轨道，每来一条新行为，各轨道按不同的折扣淡化旧内容，有的几条行为后就忘掉一半，有的要几百条。读取时一个小路由网络给轨道打分，每个缓存向量只读得分最高的两条。在快手 KuaiRec 数据上，AUC 从 0.793 提到 0.804，打分延迟只多约 2%。
04 4.00
推荐模型训练时要从用户没点过的物品里抽负样本，随便抽学不到东西，专挑模型打分高的又容易把用户其实会喜欢、只是没刷到的物品当成负例。哈工大等单位这篇 AAAI 2026 论文改用扩散模型合成负样本：把用户喜欢的物品向量逐步加噪再学着还原，取中间某一步似像非像的向量当负样本，取哪一步由推荐模型对这个物品的打分决定：打分越高，要加更多噪声才认不出它，所以取更靠近噪声的一步。合成的负样本不对应真实物品，不会冤枉用户想要的东西。接在 NGCF 这类较弱的模型上，Recall@10 最多提升 69%；接在已做难负样本挖掘的 MixGCF 等模型上，只提升 1% 到 5%。
05 4.00
多行为推荐用浏览、收藏、加购这些辅助行为来补目标行为（比如购买）数据的稀疏，但辅助行为里有不少和目标无关的噪声交互，直接拿来用会把用户和物品向量带偏。这篇论文提出 GCIB，分两层处理。在图结构上，它学着从辅助行为图里删边，要求留下的图尽量能反映目标行为图，同时尽量少带原图里的其他信息，被删的多是和目标无关的交互。在特征上，它把去噪后的辅助特征和目标行为特征当成两个视角做对比学习。用辅助行为补数据，但不照单全收。论文在多个真实数据集上报告优于现有方法。
06 3.75
联邦推荐里每台设备只看得到用户一小部分行为，大多数方法却仍用一个固定向量表示一个用户，相当于假定偏好确定、能被精确估出来，数据一少就很不稳。这篇论文改为把用户偏好表示成一个分布：用扩散模型为同一用户生成多个都符合该用户已有行为的偏好向量，用这一组向量而不是一个点来表示这个用户。不急着把证据压成一个点，保留不确定性和多样性。论文报告，在联邦推荐基准数据集上排序更稳，遇到模糊反馈也更稳健，对比基线有一致提升。
07 3.70
推荐和强化学习里常用一组模型来估不确定性：每次从组里挑一个成员来做决策，成员之间分歧越大，说明越不确定。这种挑法通常是固定的均匀抽取，不管哪个成员最近表现好。这篇论文提出贝叶斯集成（BE），把挑哪个成员本身也当成一个多臂老虎机问题，根据每次决策拿到的回报，用贝叶斯推断更新每个成员被选中的概率。它是加在现有集成之上的一层，论文把它分别接到老虎机推荐和 DQN 上，在合成环境和真实环境里都报告效果更好、计算也省。
08 3.35
同一个用户找 AI 助手头脑风暴时可能想要大胆的合作者，改稿时又想要严格的挑错者，一个固定人设很难都合适。这篇论文让助手靠很轻的反馈换人设：用户只需在两个回答里选一个，助手据此从几百个预先生成的人设里挑最合适的。每一轮让当前得分最高的人设当擂主，再挑一个挑战者：神经网络估计每个候选比擂主差多少，另一个轻量统计模型估计和它比一次能让排名的不确定性降多少，取两者之比最划算的那个。新问题按与旧问题的相似程度，借用旧问题的胜负记录作起点。论文在 7 个个性化生成基准上测试，每题只给 10 轮比较，每个基准用两种方式模拟用户评判。它在这 14 项结果里有 13 项排第一。
Meituan
已录用 RecSys 2026
已录用 ICLR 2026
已录用 AAAI 2026
已录用 ICML 2026