2026-11-12 周四 · 个性化推荐

今日场景今天这条赛道的主线是推荐系统里的评测和复用到底靠不靠得住。Meta 用几组小规模实验画出的规模曲线来预判全量 A/B 的结论。INTENT 把新用户、新时期和新物品拆开来评,发现跨过训练截止日期后的掉分很多来自用户行为本身变了。另一条线是怎么把上游的东西交给下游:SeqFold 把冻结的长序列模型状态压成按时间点取用的短码,LUMIR 把多模态商家表示和下游模型拆开训练。评论蒸馏的审计和旅游数据质量的短文则提醒,学生和老师一致、数据来源丰富,都不等于结果可信。 — 评分 30 篇,入选 10 篇,分数 3.10 – 4.40

本期目录 · 10 篇
  1. 01Exploiting Feature-invariant Scaling Laws for Efficient A/B Experimentation in Recommendation Systems
  2. 02SeqFold: Timestamp-Addressable Compressed States for User Action Sequence Backbones
  3. 03INTENT: Out-of-Sample, Out-of-Time, and Cold-Start Evaluation on User Event Sequences
  4. 04Beyond Interaction Scores: Selecting Feature Interactions via Independent Replication
  5. 05LUMIR: Decoupled Multimodal Representation Learning from Heterogeneous Data for Next-POI Recommendation
  6. 06A Technique to Model Product Information and User Reviews (MPIUR)
  7. 07Auditing LLM Pseudo-Label Distillation for Review Informativeness at E-Commerce Scale
  8. 08Intelligent Delivery: Making Every Unit of Compute Serve Better Ads
  9. 09Multimodal Graph Learning: A Survey of Models, Benchmarks, and Frontiers
  10. 10Data Quality Challenges in Multimodal Tourism Recommender Systems
LEAD STORY · 今日必读 · Meta / NUS

Exploiting Feature-invariant Scaling Laws for Efficient A/B Experimentation in Recommendation Systems

推荐模型加一个新特征或改一处结构,小规模实验说没用,全量训练后却可能有用。Meta 的作者在一个 LLM 推荐模型上就碰到过:给提示加上电影类型,小规模时 HR@10 变差,全量时明显变好。他们发现,不管改动是好是坏,模型的验证损失随训练规模的变化都服从同一种幂律,只是系数不同。于是只在几个缩小的规模上跑几组实验,拟合出曲线外推到全量,算出新特征在全量时胜过基线的概率。

相关 5新颖 4实用 4证据 4时效 5
4.40
综合分 / 5
偏好调整 4.45
Zhiliang Chen, Sammy Nammari, Jiahao Su, Xiaoqiang Luo · 2026-11-10 · arXiv

今日其余入选

9 篇 · 按综合排名
02 4.30

SeqFold: Timestamp-Addressable Compressed States for User Action Sequence Backbones

Coupang📖 深度解读 · 13 分钟 →

一个冻结的长序列用户模型,下游的搜索和推荐模型都想复用它的输出,但每个用户在一个时间点的完整多层隐状态平均有几百万字节,存不下也传不动。Coupang 的 SeqFold 把每一层的隐状态压成固定数量的兴趣槽:每条历史行为由学到的门控决定往每个槽里放多少,越早的行为权重衰减得越多,每个槽最后量化成一串很短的二进制码。下游按目标时间点取出那一刻之前的码,再用各自的解码器还原成 embedding。

Mianwei Zhou, Duo Zhang, Henry Tsai, Yuqi Zheng, Jian Li, Juexin Lin, Sujay Khandagale 等 10 人
arXiv·2026-11-10·Relevance 5 · Novelty 4 · Practical 4 · Evidence 3 · Timely 5
03 4.10

INTENT: Out-of-Sample, Out-of-Time, and Cold-Start Evaluation on User Event Sequences

📖 深度解读 · 13 分钟 →

银行和推荐系统里的序列模型上线后,要面对训练截止之后的新时期、没见过的新用户和刚出现的新物品,但常见的评测只是留出每个用户最后几次行为。INTENT 按这三样是否在训练里出现过切出七个测试格,在五个公开数据集上用同一条事先定好的规则选截止日期。

Mattias Kvist, Erik Lidman Hillbom, Edoardo de Cal, Davis Siemens, Adam Fredriksson 等 6 人
arXiv·2026-11-09·Relevance 4 · Novelty 4 · Practical 4 · Evidence 4 · Timely 5
04 3.80

Beyond Interaction Scores: Selecting Feature Interactions via Independent Replication

从 XGBoost 这类黑盒模型里挑特征交叉,再写进车险定价表这种可解释的加性模型,常见做法是按交叉分数取前几名,但分数高也可能只是拟合了噪声。LENS 在两份不相交的数据上各训一个模型,在第一个模型里算出每对特征扣掉各自单独效应后剩下的交叉模式,再看第二个模型能不能复现。在法国车险数据上,车龄和品牌这一对被复现了 78%,车龄和地区排名也靠前,却只复现了 3%,于是被丢掉。只看复现比例还不够,两个模型可能共享一个很弱的模式,所以复现出的强度还要过一个下限。在合成数据上,它找回了 91% 的重要交叉,没有选进一对假的。两次独立训练都学到的交叉才值得写进模型。

Jincheng Gao, Shuo Sun
arXiv·2026-11-10·Relevance 4 · Novelty 4 · Practical 4 · Evidence 4 · Timely 5
05 3.75

LUMIR: Decoupled Multimodal Representation Learning from Heterogeneous Data for Next-POI Recommendation

已录用 RecSys 2026 Workshop

做下一个 POI 推荐时,商家的元数据、评论和照片通常和下游序列模型绑在一起训练,换一个下游模型就得把融合重训一遍。LUMIR 把这一步拆出来:先用 LLM 把三种模态都写成文字再编码,然后随机遮掉一部分模态,让同一个商家的两个残缺版本在 embedding 空间里靠近,同时让用户轨迹里前后相邻的商家也靠近。学好的商家 embedding 固定下来,直接交给 BERT4Rec、SASRec 和 GRU4Rec 使用。在 Yelp 多模态数据上,接 BERT4Rec 时 HR@10 比最强基线高 24.2%,推荐覆盖的商家也更多。接 GRU4Rec 时提升小得多,相邻商家对齐这一项主要在能看到前后文的 BERT4Rec 上有用。

Zehui Wang, Wolfram Höpken, Dietmar Jannach
arXiv·2026-11-10·Relevance 4 · Novelty 3 · Practical 4 · Evidence 3 · Timely 5
06 3.75

A Technique to Model Product Information and User Reviews (MPIUR)

电商里互动少的商品,协同过滤学不出靠谱的表示,这时商品图片、文字描述和用户评论哪个最有用?MPIUR 把三者放进同一个图模型:评论由 LLM 抽成方面、观点和情感的三元组,并作为用户和商品之间边的特征,图片和文字按每个商品各自的权重融合,再用一个按热度加权的对齐损失,互动越少的商品越被拉向它的内容表示。在 Amazon 乐器和母婴两个类目上,它的整体 nDCG@10 和 Recall@10 都是最好的,优势主要在互动少于 10 次的商品上。消融显示,去掉评论比去掉图文伤得更重,稀疏商品的 nDCG@10 从 0.2347 掉到 0.1869。热门商品上,不用评论的 BM3 反而有几项更好。

Emna Belguith, Fajrian Yunus, Talel Abdessalem
arXiv·2026-11-09·Relevance 4 · Novelty 3 · Practical 4 · Evidence 3 · Timely 5
07 3.45

Auditing LLM Pseudo-Label Distillation for Review Informativeness at E-Commerce Scale

用大模型给几百万条评论打标签,再蒸馏成小模型上线,小模型和老师一致,是不是就等于和编辑的判断一致?这篇在土耳其一家电商平台的五百多万条评论上,让 Gemini 按评论是否提供了具体的商品信息分成三档,再用这些标签训练 BERTurk 等小编码器。在评论前加上商品类目,学生在训练截止后才出现的新商品上和老师的一致度略有提高。但在一位没看过老师标签的公司标注员审过的 16,000 条后续评论上,加类目反而让学生和老师、和标注员的一致度都下降了。和老师一致只说明学会了老师,不能说明对齐了人工标准,结论还取决于在哪批数据上评。小模型在单张 GPU 上的处理速度是老师流水线的 50.2 倍。

M. Emin Dogan, Cansu Er, Aysenur Kulunk, M. Furkan Eseoglu, H. Bahadir Sahin
arXiv·2026-11-10·Relevance 4 · Novelty 3 · Practical 4 · Evidence 3 · Timely 5
08 3.55

Intelligent Delivery: Making Every Unit of Compute Serve Better Ads

Meta

广告排序模型涨得比硬件快,同样多给一份算力,花在不同请求、不同模型、不同芯片上,回报差得很远。Meta 的 Intelligent Delivery 先用模型预测每个请求多给算力能多带来多少效果:一个在召回前跑一次、整条链路共享的模型,再从它微调出分别预测收益、算力消耗和延迟的几个模型。在此之上分层决策,先定请求去哪个机房,再定落到哪种硬件,最后在单台机器内按延迟预算分资源,负载高时先砍掉耗资源多、收益低的工作。从 2017 年起,它在模型和系统本身的进步之外又带来约 10% 的排序效果提升。同一份算力回报因请求而异,分配本身就能换来效果。今年上半年约 20% 的优化有 agent 参与,上线前仍由工程师审批。

技术博客·2026-11-11·Relevance 4 · Novelty 4 · Practical 3 · Evidence 4 · Timely 5
09 3.15

Multimodal Graph Learning: A Survey of Models, Benchmarks, and Frontiers

节点上同时挂着文字和图片的图,在电商、社交和内容平台里随处可见。这篇综述按模态和图结构在哪一层结合,把多模态图学习方法分成五级,并给出一个比较它们的标准:一个节点的文字表示能不能受到邻居图片的影响。比如标题写得很差的商品,只有在这种情况下才可能借助一起被购买的商品的图片被识别出来,而 MMGCN 这类各模态分开传播的模型在融合前做不到这一点。作者还给数据集定义了几项和模型无关的描述,比如相连节点同属一类的比例和平均邻居数。他们建议评测带上不用图的强基线,包括用同样特征的 MLP 和不看图结构的多模态大模型。图结构的贡献要和不用图的强基线比过才算数。

Rui Xue, Tianfu Wu
arXiv·2026-11-08·Relevance 3 · Novelty 3 · Practical 4 · Evidence 3 · Timely 5
10 3.10

Data Quality Challenges in Multimodal Tourism Recommender Systems

已录用 RecSys 2025 Workshop

多模态推荐越来越多地用社交平台上的评论、照片和 LLM 生成的摘要,但这些数据本身的质量很少有人检查。这篇短文用 Yelp 和博登湖地区 Instagram 两份旅游数据,列出了实际碰到的几类问题。假账号会刷出评论和打卡,LLM 摘要里会有编出来的内容。不同模态也会互相矛盾,比如按多数评论生成的摘要说一家餐厅干净安静,用户上传的照片却显得又乱又吵,模态之间的矛盾会直接拉低融合后表示的可靠性。发帖的多是年轻人和本地居民,要推荐的对象却常是年纪更大的游客。作者建议融合时给质量差的模态降权,用固定字段的结构化摘要代替自由生成,并把游客和本地人分开建模。

Zehui Wang, Wolfram Höpken, Dietmar Jannach
arXiv·2026-11-10·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 · 5 个项目