2026-11-06 周五 · 个性化推荐

今日场景页面末尾没被看到,不能简单当成用户不喜欢;曾经喜欢的答案,也未必一直喜欢。ICE 把浏览深度纳入页面评分,PEARL 根据新反馈恢复探索。FocalSwap 则固定目标和候选,只换历史中的搜索行为,提醒我们:信号看似有用,结论还取决于拿什么替换它。 — 评分 42 篇,入选 10 篇,分数 3.10 – 4.75

本期目录 · 10 篇
  1. 01Data-Efficient Scaling-Law Discovery for Recommendation Systems via Coupled Hyperparameter Scaling
  2. 02From Waste to Discovery: Recycling High-Scored Unexposed Candidates in Taobao Feed Recommendation
  3. 03Beyond Independent Predictions: Learning the Browsing Journey for Sequence-Level Re-ranking
  4. 04Do Search-Augmented Recommenders Use the Latest Search Episode?
  5. 05Safe and Efficient Multi-Epoch Embedding Training
  6. 06Alternatives to Shallow Autoencoders for Collaborative Filtering
  7. 07OptST: Optimizing Semantic Tokenization for LLM-Enhanced Recommendation
  8. 08PEARL: Prediction Error-Adaptive Regularized Learning for Selective Forgetting under Partial Preference Drift
  9. 09One Basket, Many Experts: Decorrelated Re-ranking for Financial Asset Recommendation
  10. 10Tasteply: Externalizing Stable and Situational Preference as Manipulable Spatial Objects
LEAD STORY · 今日必读 · Meta

Data-Efficient Scaling-Law Discovery for Recommendation Systems via Coupled Hyperparameter Scaling

推荐模型扩容时,embedding、交互层数和宽度彼此影响,逐个扫参数很快耗尽训练预算。Meta 的 Axia 把多个交互模块的隐藏宽度绑在一起调,embedding 维度和交互层数另调。先测推理 FLOPs,再用质量与成本的概率预测挑下一批配置,训练后更新预测。主实验与随机搜索都用20次完整训练,比较实际达到的质量成本边界。两轮上线覆盖34次模型迭代,离线归一化交叉熵平均改善0.66%,但这是相对旧部署配置的观察结果。少量实验也能为扩容提供依据。

相关 5新颖 4实用 5证据 5时效 5
4.75
综合分 / 5
偏好调整 4.80
John Martabano Landy, Louis C. Tiao, Yao Xuan, Luc Kien Hang, Rupinder P. Khandpur 等 13 人 · 2026-11-03 · arXiv

今日其余入选

9 篇 · 按综合排名
02 4.75

From Waste to Discovery: Recycling High-Scored Unexposed Candidates in Taobao Feed Recommendation

Alibaba📖 深度解读 · 9 分钟 →

推荐排序每天都算了大量最终没有展示的候选。这篇工作把其中的高分候选重新用于发现新类目:把这些候选按用户累计一个月,筛出近期没有展示过的类目,再接回召回。在淘宝信息流的在线实验里,按实际展示计数的发现类目数相对增加 3.47%,完整观看次数增加 2.62%;两项都达到统计显著。总观看次数没有显著变化。这里改的是候选的保存和使用方式,排序模型不用重训。

Ge Fan, Kai Meng, Huiping Chu, Yuning Jiang, Han Zhu, Bo Zheng
arXiv·2026-11-04·Relevance 5 · Novelty 4 · Practical 5 · Evidence 5 · Timely 5
03 4.75

Beyond Independent Predictions: Learning the Browsing Journey for Sequence-Level Re-ranking

Alibaba

一页商品排出来,用户未必会看到尾部;把每件商品的 CTR 直接相加,可能高估整页的价值。ICE先预测用户会浏览到哪里,用各位置被看到的概率乘以看到后的点击概率,再给候选整页打分。淘宝两周实验保持列表生成器不变,完整方案让点击量提高0.70%,商业收入提高3.67%。改进发生在怎么评估一页结果,而不是多生成几种排序。

Jiayi Zhang, Jingxin Hai, Zhenjia Ma, Hongbin Pei, Dagui Chen, Han Zhu, Jian Xu
arXiv·2026-11-05·Relevance 5 · Novelty 4 · Practical 5 · Evidence 5 · Timely 5
04 4.40

Do Search-Augmented Recommenders Use the Latest Search Episode?

已录用 WSDM 2027

删掉搜索历史后推荐变差,不能就认定是搜索内容带来了收益。FocalSwap 固定搜索前的推荐历史、候选和模型,对比把全部搜索输入置空,或换成类目和行为规模接近的真实搜索。UniSAR 的66139条共同样本里,置空对照显示原搜索有正向贡献,匹配替换却未证实这一点。只改最近一次搜索的主检验,也未确立正向贡献。问题是收益归因会随对照输入改变,做搜索增强推荐时,置空消融值得再用真实搜索替换检查一遍。

Jiandong Ding
arXiv·2026-11-04·Relevance 5 · Novelty 4 · Practical 4 · Evidence 4 · Timely 5
05 4.35

Safe and Efficient Multi-Epoch Embedding Training

Pinterest

同一份推荐数据多训练一轮,效果反而更差,问题可能集中在 embedding 表。Pinterest 的 Homefeed 排序从一轮训练加到两轮,离线收藏指标下降近6%;冻结 ID embedding 表后,退化消失。后续改为让其他网络先训练,再放开表来适应任务。加上查表通信与计算重叠等系统改动,生产部署后线上收藏提高1.09%。表和其他网络的收敛速度不同,不必让所有部件共用一个更新节奏。

技术博客·2026-11-06·Relevance 4 · Novelty 4 · Practical 5 · Evidence 4 · Timely 5
06 4.10

Alternatives to Shallow Autoencoders for Collaborative Filtering

同一张用户商品交互表,按商品关系还是用户关系求解,会给出不同的推荐。这篇把 EASE 的商品间线性权重换成用户间权重,并给出混合闭式解:先按用户间权重混合交互记录,再用商品间权重给候选打分。在 MovieLens 上,混合版 NDCG@100 从 EASE 的40.95提高到43.51;到了 Gowalla,两个新版本反而都更差。收益取决于数据关系,而用户间矩阵还会把内存与求逆成本带到用户规模上。

Mario Mallea, Angela Nebot, Francisco Mugica
arXiv·2026-11-04·Relevance 4 · Novelty 3 · Practical 5 · Evidence 4 · Timely 5
07 4.10

OptST: Optimizing Semantic Tokenization for LLM-Enhanced Recommendation

已录用 WSDM 2027

固定分词后,两名用户的画像可能拿到同一串 token,推荐模型只靠这些 token 就无法再区分。分词时,每一步用一组参考向量代表不同分组:剩余画像信息离谁最近,就输出谁的 token,随后编码还没表示的部分。OptST 冻结原编码器和参考向量,给每步学习一个低秩修正矩阵。各参考向量乘以该矩阵再加回原向量,就得到分组用的新位置;推荐损失训练这个矩阵。Games 离线实验中,完整方案的 AUC 从冻结分词版本的0.7469提高到0.7532。

Hanchong Chen, Jie Liu, Fuyuan Lyu, Dugang Liu, Lingjie Li, Xiuqiang He, Xing Tang
arXiv·2026-11-05·Relevance 4 · Novelty 4 · Practical 4 · Evidence 4 · Timely 5
08 3.75

PEARL: Prediction Error-Adaptive Regularized Learning for Selective Forgetting under Partial Preference Drift

偏好变了,只用新反馈更新打分模型,也可能迟迟找不到更合适的回复。PEARL 用小型选择器挑 LLM 回复:预测评分之外,再按候选预测的不确定性加探索分;用户近期实际评分与预测差距越大,这项加分权重越高。PRISM 把半数用户原来的高分回复改成低分、低分改成高分后,第10轮平均奖励比同样持续更新、但只选预测最高分的版本高0.040。LLM 权重不变;这支持在受控漂移中主动尝试不同回复,还不是自然偏好变化的线上验证。

Rashmi Gangadharaiah, Balakrishnan Narayanaswamy
arXiv·2026-11-04·Relevance 4 · Novelty 4 · Practical 3 · Evidence 3 · Timely 5
09 3.45

One Basket, Many Experts: Decorrelated Re-ranking for Financial Asset Recommendation

资产推荐不能只看用户会不会买:热门资产常常同涨同跌。DSER 先找历史收益靠前的投资者,按他们的买入次数及收益加权排出资产榜。保留榜单前部,再逐个替换末尾位置,选择与当前篮子收益相关性最低的资产;替换多少由平台指定,无需训练模型。FAR-Trans 主实验收益主要来自替代资产回报更高,并非组合波动更低。替换4项时,6个不重叠半年窗口仅4次夏普比率改善,推荐与用户实际购买的匹配度却次次下降。收益依市场阶段变化,匹配损失更稳定。

Ryuki Unno, Keigo Sakurai, Koshi Watanabe, Keisuke Maeda, Takahiro Ogawa, Miki Haseyama
arXiv·2026-11-04·Relevance 3 · Novelty 3 · Practical 4 · Evidence 3 · Timely 5
10 3.10

Tasteply: Externalizing Stable and Situational Preference as Manipulable Spatial Objects

用户平时喜欢的内容和这次想看的内容,不一定是一回事。Tasteply 让用户按使用目的整理点赞帖子,每组变成地图上一个点;光标越近,该组内容对推荐的影响越大,另有滑杆调节其余长期偏好的影响。5名研究者的探索性试用中,这种混合更适合随意浏览,明确找信息时反而有人更愿意固定一组。它展示了如何把偏好交给用户操控,还不是推荐效果提高的证据。

DaEun Choi, Daniel Lee
arXiv·2026-11-05·Relevance 3 · Novelty 3 · Practical 3 · Evidence 2 · Timely 5

其他赛道今日

点击切换

开源雷达

GitHub / HuggingFace 热门 · 8 个项目
danstronics/ios-s9plus-exynosGalaxy S9+ Exynos iOS 16.5 research port: verified installed GLES BOOT, source attribution, experimental Metal/Vulkan WIPC · ★ 15 · 2026-11-06 · GitHubAtarilab/faroResearch code for FARO: Feasibility-Aware Robot Motion Optimization, with examples and evaluation tools.Python · ★ 13 · 2026-11-02 · GitHubvukrosic/llm-memory-envEnvironment for researching LLM memory modulesPython · ★ 12 · 2026-11-03 · GitHubinternlm/InternLumina-U2pipeline: any-to-any; tags: transformers, safetensors, diffusion, multimodal, unified-model, image-generation, image-editing, vision-languagemodel · ★ 17 · 2026-09-01 · HuggingFaceinternlm/Sage-SciPerceptiontags: scientific-perception, multimodal, projector, pytorch, chemistry, biology, materials-science, time-seriesmodel · ★ 8 · 2026-11-06 · HuggingFaceQwen/Qwen3.8-27Bpipeline: image-text-to-text; tags: transformers, safetensors, qwen3_5, image-text-to-text, conversational, license:apache-2.0, eval-results, endpoints_compatiblemodel · ★ 19282 · 2026-08-05 · HuggingFaceQwen/Qwen3.8-Flash-Nextpipeline: image-text-to-text; tags: transformers, safetensors, qwen4_exp, image-text-to-text, conversational, license:other, eval-results, endpoints_compatiblemodel · ★ 6823 · 2026-08-24 · HuggingFacemoonshotai/Kimi-K3.1-Propipeline: image-text-to-text; tags: transformers, safetensors, kimi_k31, text-generation, compressed-tensors, conversational, image-text-to-text, custom_codemodel · ★ 1515 · 2026-11-02 · HuggingFace