今日场景今天的推荐赛道有两篇来自线上系统的工程论文。Google 的 Light Heads 让 YouTube 排序模型不重训也能挂上新目标，把联合实验周期缩短一半以上；阿里的 RecIS 把稀疏特征处理和稠密计算排成一条流水线，减少 GPU 空等。淘宝和清华的 BrowseFlow 换了个角度做用户模拟：学的是同一页推荐下用户各种可能的浏览结果，而不是复刻一条日志。另外几篇关心推荐的副作用，包括地点推荐的闭环如何让餐饮店没人去、让不同收入的人更少相遇，以及模型托管在外部时怎样删掉一条用户行为的影响。 — 评分 20 篇，入选 8 篇，分数 3.05 – 4.10
Google多任务排序模型做得越大，加一个新预测目标就越慢。YouTube 的办法是新目标不进主模型，而是做成一个挂在共享层上面的小预测头（论文叫 Light Head）。它只读共享层的输出、不往下传梯度、每次训练开始时清零重学，所有排序模型从同一份配置里读到它。用上这套框架后，排序模型加下游模型的一轮完整实验周期从 24 天缩到 11 天。代价是点击这类数据多的任务，AUC 比完整训练的预测头低约 0.01。
同一个用户面对同一页推荐，这次可能刷到第 20 条点了两件，下次刷到第 8 条就走了；日志只记下其中一次。BrowseFlow 认为用户模拟器该学的是这种结果的分布，而不是复刻那一条日志。它把一次浏览拆成两件事：刷到多深，以及在哪几个位置点击或点赞，直接生成这几个关键事件，而不是一步步预测大量的下滑动作。这一点很重要，因为在淘宝的浏览数据里只有 5.48% 的动作是点击这类正反馈。在三个数据集上，它生成的浏览结果整体分布和点击次数分布都最接近真实。
很多应用的推荐模型由外部服务商托管，运营方只能调接口拿分数，改不了模型参数。这时用户要求删掉一条误点或过时的行为，现有的推荐遗忘方法都用不上，因为它们要重训或微调模型。CEU 不改模型，只改输出。模型托管方事先算好每条历史行为对每个推荐结果的贡献，也就是去掉这条行为后该物品的分数会少多少，经接口一起提供。运营方收到删除请求后，把受影响物品的分数扣掉这部分贡献再重排。在三个公开数据集上，它的遗忘效果与完全重训相当。处理一次删除请求最慢也只要 6.37 秒，完全重训则要几分钟到一个多小时。
一个推荐系统如果完全不看用户属于哪个群体，只按全体用户的平均口味推荐，少数群体会一直吃亏。作者证明，只要全体最爱的那组物品对某个群体不是最好的，这种策略相对每个群体最优推荐的累积差距就会随时间线性增长。难点在于群体会交叉，一个人可以同时属于好几个群体。作者给了两条路：给每个交叉组合单独学偏好，有理论保证，但组合一多每组数据就不够；或者先按大群体学，再由一个选择器根据过去的反馈，决定每个交叉组合此刻沿用它所属哪个群体的推荐。在两个数据集上，组合口味和大群体接近时第二条路更好，差别大时第一条路更好。
地点推荐会改变人们去哪儿吃饭，平台又拿这些被引导出来的到店记录重新训练，形成一个闭环。离线准确率测不出这个闭环的长期影响，作者就用美国四个都市圈的真实出行数据做了长期模拟，并考虑了路程远近和店面容量。结果是，不论用哪种算法、在哪个城市，至少五分之一的餐饮店最后没人去，其中一大半是反复重训造成的。论文用收入隔离来衡量相遇：一个人在店里遇到的人，收入构成越偏向某一档，隔离越重。越准的算法隔离越重，最准的算法比居民真实出行高出 15% 到 21%。在现有推荐之上给冷门店加权重排，两个问题都能缓解。
推荐模型训练时，前半段要处理几千个特征字段和万亿级 embedding 表，操作又碎又随机；后半段是越来越大的 Transformer，算得又密又整。两段放在同一批 GPU 上，GPU 常常在等数据。阿里的 RecIS 把从原始特征到稠密计算的整条路径当成一个整体来优化：把零碎的特征处理合并成大算子，按哈希把 embedding 查询均匀分到各卡并去掉重复传输，再让下几步的输入准备和当前一步的稠密计算同时进行。在工业推荐模型上，吞吐最高是 TorchRec 的 1.15 倍、PICASSO 的 2.62 倍。
新上线的题库平台有题目文本，却还没有可以拿来训练的答题记录，能不能直接用别的平台训练的模型预测学生下一题答对答错？把题目文本的语义当特征直接搬过去效果有限，因为各平台出题风格差别很大。TIZSKT 只把文本当作找相似题的索引。模型本身只学答题对错的变化规律，不看题号和文本。预测时，学生刚在新平台做过的题和对错是已知的：先用文本挑出和当前题相似的，汇总他在这些题上的对错，再和模型学到的答题状态合起来算答对概率。新平台不用训练，在三个公开数据集上平均 AUC 最高。
推荐系统要同时照顾用户、内容创作者、平台，还有开发者、监管方乃至整个社会，每一方又有好几个目标。多方多目标推荐已经有不少研究，但很少有人问这样的系统值不值得信任。这篇立场论文认为，可信不只是少出偏见和隐私问题，还要主动照顾人的价值，并处理各方目标之间的冲突。它举的例子是：创作者推广健康饮食视频本身没问题，推给有进食障碍的用户却可能伤害对方。论文没有新方法或实验，列出了四个待解决的问题：多目标下对谁公平、怎么把人的价值变成可衡量的目标、目标变多带来的计算开销，以及欧盟法规要求平台解释推荐依据。
Alibaba
Tsinghua University
已录用 RecSys 2026 Workshop
UCAS