02 4.35
生成式推荐做 beam 解码时，每一步、每条 beam 都要对整段用户历史算一遍注意力，历史越长越慢。阿里的作者发现，解码越往后，注意力越集中在少数几条历史行为上，而且哪些行为重要，前后几步基本不变。PFA 据此只在解码开头看完整历史，之后把各条 beam 的注意力按生成概率加权汇总，排出一份所有 beam 共用的重要行为排名，把这些行为的 KV cache 挪到连续内存里。之后每往后一步，保留的行为数按固定比例缩小，比如每步减半。重要的行为前几步就能找出来，后面不必每步重选。在电商广告平台的线上 A/B 中，用户历史从 128 条加长到 512 条。收入提升 3.76%，响应时间仍比直接用完整的 512 条更短。
03 4.35
Alibaba电商推荐的生成式排序有个错位：模型学着生成的列表，并不是用户最后看到的列表。一屏里同时有自然内容、广告和其他业务的商品，常见做法是各业务先各自排好，再由混排拼成最终列表，拼完之后位置和上下文都变了。淘宝的 UGR 把一次请求里约一千个跨业务候选一起交给一个生成模型，直接逐个生成最终列表。训练时不只模仿曝光过的序列，还按曝光后的点击和成交给样本加权，并让模型学会比较两种排列哪种更好；广告部分沿用现有的分配和 GSP 计价规则。在猜你喜欢的线上 A/B 中，成交量提升 3.29%，GMV 提升 2.10%。
04 4.00
生成式推荐逐个码地生成物品的 SID，前几个码决定大方向。前面走错一个分支，后面再准也找不回相关物品。多模态推荐里这个问题更突出：SID 多按图文语义构建，前几个码未必反映哪些物品常被同一批用户购买。RoFiGR 在构建 SID 时就把前两层码向量和冻结的协同 embedding 对齐；生成时再用一个序列推荐模型当老师，在每一步告诉学生模型各个能对应到真实物品的分支该有多大概率。前几层固定给较大的蒸馏权重，其余权重看哪一层上老师比学生更看好正确的分支，就多分给哪一层。在三个亚马逊数据集上，五个排序指标都超过对比基线。把三个数据集、五个指标共 15 组结果平均，相对最强基线高约 9.4%。
05 4.00
用大模型做推荐有一种思路：先根据用户历史写几条搜索 query，再交给现成的检索系统去找物品。难点在于日志里只有用户点了什么，没有当初该写什么 query。常见做法是拿被点物品的文字当目标去模仿，但这样写出的 query 未必能把这个物品检索出来。R2QRec 直接用一个固定的检索器来检验：先生成很多候选 query，只留下真能检索回被点物品的那些做 SFT；再让模型一次写一组 query，每条各检索出一个列表，用 RRF 合成一个推荐列表，GRPO 按被点物品在这个列表里的排名给奖励。只训练 query 生成器，检索器和物品索引都不动。在 MovieTV 上，去掉检索检验这一步，NDCG@10 从 5.07% 掉到 4.03%。
06 4.00
把候选商品写进提示词、让大模型挑一个推荐，候选的排列顺序本身就会改变它的选择。作者在一个真实商品目录上搭了 RAG 推荐测试，同一条 query 把候选顺序反复打乱，测了 8 个模型，统计检验在每个模型上都确认推荐结果和位置有关。各家偏向不同：GPT-OSS 偏爱排在前面的，LLaMA 4 Scout 反而避开第一个。候选越多越严重。给 20 个候选时，只是打乱顺序，DeepSeek R1 7B 就有 58.1% 的推荐和它对同一条 query 最常给出的那件商品不一样。顺序带来的偏差取决于模型本身，换温度也去不掉，用大模型做推荐时值得把候选顺序随机化，并定期做这类检查。
07 3.90
用大模型做生成式推荐时，输入是一长串带文字的历史，输出却只是几个 token 的 SID。训练时费力读完一整段历史，往往只学一个目标物品，很不划算。这篇论文的 M&B 从两头下手：先把每条历史物品压成少数几个 token。先把这件物品各层 SID 码的 embedding 合成一个向量，几个可学习的查询向量各自和它相加，再对物品的 SID 和文字 token 做注意力，每个查询向量取回的内容加回这个向量，就成了一个 token，输入因此变短；再让压缩后的历史同时预测多个目标物品，这些目标像树枝一样共用同一段历史，彼此看不见。解码时所有 beam 也共用同一份历史 KV cache。历史只算一次，每个分支都能回传梯度。历史长度为 512 时，beam 解码的显存少了 61.8%，延迟少了约一成。
08 3.75
用大模型 agent 做推荐，把所有用户的记忆集中起来有隐私问题，各个 agent 各自为战又学不到别人的经验。FedRecAgent 让每个用户端的 agent 只上传用自然语言写的经验，不上传交互记录，也不更新模型参数。每条经验写成三段：当时处在什么情境，用户下一步怎么选（接着看当前感兴趣的那类、回到以前喜欢的、还是换个新方向），以及为什么这样选。具体物品和个人偏好都去掉。服务器把情境和选择转移都对得上的经验合并，情境相似但选择不同的分开保存；用户端再按本地的偏好记忆和选择习惯去取最合用的经验。在六个数据集上，最好的版本比最强基线的 NDCG@10 高 1.54% 到 9.19%。
09 4.00
外卖和本地生活平台的广告排序要做到千人千面，但用户的行为历史很稀疏，店铺又有几十万家。DoorDash 原来的排序模型只靠手工统计特征和不分先后的历史汇总，没有一个学出来的用户序列表示。PALATE 训练一个 GPT 式模型，根据用户的行为序列预测接下来会和哪些店铺互动，取最后一个位置的隐藏状态当用户 embedding，每天刷新一次，作为普通特征喂给各个广告位的排序模型。因为复购多，训练时给用户没去过的新店更高权重，先用点击预训练，再用下单微调。离线它是单个特征里 AUC 涨得最多的；上线时随排序模型的整体重训一起发布，搜索广告收入提升 0.94%，转化率提升 1.50%。
10 3.45
预测用户下一个要去的地点（POI）时，直接让大模型生成地点 ID 并不可靠：地点多、分散、长尾严重，名字本身也没多少语义。ANCHOR 换了个顺序，先让大模型预测用户接下来想去哪一类地方，类别数量少、含义稳定，更好预测；再从三路凑出候选，分别是这一类的地点、用户去过的地点，以及按用户长期、近期和对应时段常去的类别补上的地点；最后用一个参照历史轨迹的重排模型选出具体地点。先猜类别再落到地点，比直接猜地点稳。在纽约、东京和加州三个签到数据集上，它的 Acc@1 比最强的大模型基线 Think2Go 分别高 7.56%、11.21% 和 1.94%。
Kuaishou
Zhejiang University
已录用 CIKM 2026 Workshop
DoorDash
已录用 ICDE 2027