2026-11-18 周三 · 生成式推荐

今日场景今天的生成式赛道围着两件事转:生成出来的标识和推理到底有没有把排序做对,以及大模型当导购时会不会被表面信号带偏。一篇只需在学习目标里加一道多选题,就能给 SID 生成补上相对比较;另一篇先把分词器对齐检索,再在工业视频搜索里上线。推理优化开始按每句话对目标标识似然的贡献来给奖励,强化学习则指出比例型目标会把训练带崩,需要把更新本身做有界。审计工作发现,购物推荐模型在控制相关性后仍会偏向更长的商品描述;评估产品建议时,也不能只看有没有点到社区提到的那个商品,因为点到和真会选中并不是一回事。 — 评分 23 篇,入选 6 篇,分数 3.75 – 4.40

本期目录 · 6 篇
  1. 01Keep it Simple! A Multiple-Choice Task can Benefit Generative Recommendation
  2. 02CARE: Contrastive-Anchored Residual Encoding with Listwise Reconstruction for Retrieval-Oriented Semantic IDs
  3. 03Label-Free Detection of Structural Bias in LLM-Based Recommender Systems via Randomized Paraphrasing: The Case of Verbosity
  4. 04Learning to Reason with Predictive Gains for Generative Recommendation
  5. 05Exploration of Reinforcement Learning in Generative Recommendation Models
  6. 06Can LLMs Give Good Product Advice? A Framework for Diagnosing Failures
LEAD STORY · 今日必读

Keep it Simple! A Multiple-Choice Task can Benefit Generative Recommendation

生成式推荐常直接预测目标物品的 SID,并不显式学习负样本和相对排序,这和强调正负相对名次的 BPR 思路并不对齐。只要在学习目标里加上一道简单的多选题辅助任务,用任务标识和候选构造合成训练数据,就能补上比较信号,改动很小。理论分析也从信息论和组合泛化说明,这道辅助题有助于学到更稳、更能组合的表示。

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 4.78
Wei-Hsiang Huang, Jyun-Yu Jiang, Pu-Jen Cheng · 2026-11-17 · arXiv

今日其余入选

5 篇 · 按综合排名
02 4.10

CARE: Contrastive-Anchored Residual Encoding with Listwise Reconstruction for Retrieval-Oriented Semantic IDs

📖 深度解读 · 12 分钟 →

生成式检索是在生成文档的 SID,分词器把误差落在哪里,会直接限制还能召回什么。常见 SID 只在文档 embedding 上做残差量化,并不检查量化之后,查询还能不能找到相关文档。CARE-SID 先在检索对齐的空间里做对比学习再量化,编码时仍然只看文档自己的 embedding。

Yuan Xu, Dawei Chen, Xiaoguang Lin, Xin Chen, Yulong Ou, Haijun Wu
arXiv·2026-11-17·Relevance 5 · Novelty 4 · Practical 4 · Evidence 4 · Timely 5
03 4.20

Label-Free Detection of Structural Bias in LLM-Based Recommender Systems via Randomized Paraphrasing: The Case of Verbosity

📖 深度解读 · 10 分钟 →

用大模型在电商候选里挑商品时,决定本应只看和用户 query 是否相关,但描述写得长短也可能悄悄加分。相关标注又很少,很难直接测这种结构偏差。这项工作把同一件商品的描述交给随机指定的改写模型,再乱序送给推荐模型:若选择真对改写不敏感,每个改写器被选中的概率应当一样,无需相关性标签。

Carlos Peláez-González, David Herrera-Poyatos, Francisco Herrera, Andrés Herrera-Poyatos
arXiv·2026-11-17·Relevance 4 · Novelty 4 · Practical 4 · Evidence 5 · Timely 5
04 3.85

Learning to Reason with Predictive Gains for Generative Recommendation

📖 深度解读 · 10 分钟 →

给生成式推荐加推理时,现有方法多用最终推荐效果给整段轨迹打奖励,既量不出每句推理到底帮没帮上目标 SID,组内不同轨迹的奖励也往往分不太开。这项工作用预测增益来衡量:看每一句推理让目标 SID 的对数似然变了多少,再据此优化推理;定制的因果注意力不必为算奖励再把推荐完整解码一遍。另外还加一项辅助任务,把增益接近零的轨迹在预测时再加强。

Zhuoyang Li, Teng Shi, Jiakai Tang, Weijie Yu, Guofu Xie, Xiao Zhang, Lei Kou, Yang Yu, Lei Shen 等 13 人
arXiv·2026-11-17·Relevance 4 · Novelty 4 · Practical 3 · Evidence 4 · Timely 5
05 3.75

Exploration of Reinforcement Learning in Generative Recommendation Models

把强化学习直接套到生成式推荐上,比例型目标经常训不稳:截断会让一部分样本梯度消失,负优势更新又可能随重要性比例放大,被少量负例带着跑。GBPO 用切断梯度的置信度归一化,让正负更新都有界,并且在策略已经很有把握时把更新收掉。在亚马逊三个数据集上,相对监督微调的 TIGER,HR@10 提高 0.71 到 2.21 个百分点。在 Steam 上,只有它在全部重复实验里既没有性能崩溃,也没有出现非有限损失;换成连续奖励或另一种教师模型时,对照方法的十五次运行全部触发了崩溃准则。对要给 SID 生成模型做强化学习后训练的人来说,先把更新几何做稳,比把比例截得更狠更要紧。

Pengfei Zheng, Wuchao Li, Shiyao Wang, Honghui Bao, Hongyi Xie, Jiaxin Deng, Xingmei Wang 等 14 人
arXiv·2026-11-17·Relevance 4 · Novelty 4 · Practical 3 · Evidence 3 · Timely 5
06 3.85

Can LLMs Give Good Product Advice? A Framework for Diagnosing Failures

单凭回答里有没有点到社区提到的那个商品,判断不了建议好不好:合适的商品可能有好几件,被记录下来的回答本身也可能是差建议。把社区列出的备选和模型自己抽到的车放在一起、并打乱来源与顺序后,六个模型在合格分歧里有 1.9% 到 6.5% 反而更喜欢那个备选,两种展示顺序下结果一致。这项工作把建议拆成用户需求、模型自行添加的假设、候选生成、过滤和最终选择,列出 19 种失败方式及所需证据,只需看请求和写成的回答,不必访问模型内部计算。点到参考商品和真会选中它不是一回事,答案抽取和候选列表怎么构造也会改变结果。要改进产品建议,得先分清是候选没生成出来,还是生成了却选错了。

Assaf Hallak, Yftah Ziser, Gal Chechik
arXiv·2026-11-17·Relevance 4 · Novelty 3 · Practical 4 · Evidence 4 · Timely 5

其他赛道今日

点击切换

开源雷达

GitHub / HuggingFace 热门 · 6 个项目
vukrosic/llm-research-paper-draftsSix near-finished language-model research papers with code, results and reproduce scriptsPython · ★ 14 · 2026-11-15 · GitHubinternlm/WildClawBench-TrajectoriesWildClawBench Trajectories What 12 frontier models did on 60 real-world agent tasks, step by step, with the score of every run 720 graded trajectories. 12 models. 15,678 model steps. 17,206 tool calls. 90 hours of agent time. Every model on this list ran the full WildClawBench su; tags: task_categories:text-generation, language:en, language:zh, license:mit, size_categories:n<1K, format:json, modality:tabular, modality:textdataset · ★ 8 · 2026-07-30 · HuggingFaceinternlm/Sage-S2.1-Flashtags: safetensors, glm5_next, region:usmodel · ★ 90 · 2026-11-15 · HuggingFaceinternlm/WildClawBenchWildClawBench Hard, practical, end-to-end evaluation for AI agents — in the wild. WildClawBench is an agent benchmark that tests what actually matters: can an AI agent do real work, end-to-end, without hand-holding? We drop agents into a live OpenClaw environment — the same open-; tags: benchmark:official, task_categories:visual-question-answering, task_categories:image-text-to-text, task_categories:question-answering, language:en, language:zh, license:mit, size_categories:n<1Kdataset · ★ 73 · 2026-03-24 · HuggingFaceinternlm/Sage-S2.1-Flash-FP8tags: safetensors, glm5_next, fp8, region:usmodel · ★ 14 · 2026-11-13 · HuggingFaceinternlm/WildClawBench-HarborWildClawBench-Harbor All 60 WildClawBench tasks as Harbor task directories. Point harbor run at this folder and any Harbor agent (Claude Code, Codex CLI, OpenHands, Gemini CLI or your own) takes the benchmark with the official graders, in the official Docker image, with no WildCl; tags: language:en, language:zh, license:mit, size_categories:n<1K, library:harbor, arxiv:2605.10912, region:us, agentdataset · ★ 3 · 2026-08-12 · HuggingFace