2026-11-16 周一 · 生成式推荐
今日场景今天的生成式赛道都在补生成式推荐顺着历史续写 SID 时漏掉的东西。ReSID 发现长尾商品多半在解码早期就被 Beam Search 剪掉,于是在解码时就把长尾前缀留住。TriGen 处理点击一件商品后进入的推荐流,让这次点击按请求决定压过历史多少。TraGR 一次预测后面几步行为,把没选上的候选按概率一起传下去。SimRec 换了个方向,用模拟用户和强化学习训练推荐 agent 整段的搜、问、推,让它学会核对候选和被拒后补救。 — 评分 15 篇,入选 4 篇,分数 4.00 – 4.35
本期目录 · 4 篇
- 01ReSID: Rethinking Long-Tail Retrieval in Generative Recommendation through Item Reachability
- 02TriGen: A Generative Paradigm for Trigger-Induced Recommendation
- 03SimRec: Learning to Search, Ask, and Recommend from Simulated Interaction
- 04From Tokens to Behaviors: Rethinking Generative Recommendation for User Trajectory Prediction
LEAD STORY · 今日必读 ·
Alibaba /
Nankai University
生成式推荐把商品编成一串 Semantic ID,再用 Beam Search 逐位生成,冷门的长尾商品很难被召回。作者把从编码到解码再到匹配的整条链路拆开查,发现长尾商品多半在解码早期就丢了:在 Amazon Industrial 上,才生成两位 token,62.5% 的长尾目标就已经掉出 beam。
今日其余入选
3 篇 · 按综合排名
02 4.35
用户在主信息流里点了一件商品,马上进入跟着它展开的推荐流,这在电商里很常见。这时推荐既要接住刚才这一下点击的意图,又不能把用户长期的口味全丢掉。生成式推荐默认顺着历史往下续写 SID,一次点击很容易被长历史冲淡,传统的判别式打分又没法指导逐个 token 的生成。
03 4.00
基于 LLM 的推荐 agent 能搜商品库、看商品详情、反问用户,被拒后还能换一个再推,但什么时候搜、什么时候问、什么时候推,多半是人写死的流程。已有的训练也只练改写 query 或给列表排序这类单步,整段对话的结果从来没回到做这些决定的策略上。作者发现,这样的 agent 很少核对搜到的候选,很少翻用户历史,被拒后也很难救回来,换更大的模型也补不上。
04 4.00
多数推荐只猜用户下一步点什么,用户行为轨迹预测要一口气猜出接下来几步,比如买了跑鞋之后会依次买运动袜、水壶。生成式推荐逐个 token 生成每件商品的 SID 再接下一件,商品内部的编码和商品之间的转移搅在同一条链上。更麻烦的是,前一步只把选中的商品传下去:模型给袜子 50% 的概率、给跑鞋 35%,往后只看到袜子,跑鞋这条线索就丢了。
其他赛道今日
点击切换
开源雷达
GitHub / HuggingFace 热门 · 4 个项目GSX-Eis/jq-factor-labJoinQuant and local multi-factor research frameworkZhuoXuan-MY/HermesEnabler--WatchOS26.XUnofficial HermesEnabler-derived research fork for Apple Watch Ultra 1, watchOS 26.6.1, MobileGestalt and native Hermès watch face compatibility.deepseek-ai/DeepSeek-V4.1-Flash-1017pipeline: image-text-to-text; tags: transformers, safetensors, deepseek_v41, text-generation, image-text-to-text, conversational, license:mit, eval-resultsTencentARC/GameHorizon-DataGameHorizon-Data The data home of GameHorizon Suite — a unified data and evaluation suite for gameplay capabilities across temporal horizons. This repository hosts the AAA gameplay recordings, the temporally aligned keyboard-mouse action streams, the multi-horizon instruction ann; tags: task_categories:video-text-to-text, language:en, license:apache-2.0, size_categories:n<1K, modality:video, arxiv:2609.25001, region:us, gameplay