Paper Daily · 全部方向

Pushing Dexterity and Safety for In-Hand Object Pose Reaching That Works Remarkably Well

Thu, 29 Oct 2026 08:00:00 +0800

多指灵巧手学到的技能大多还停在简单抓取或者原地转物体，稍难一点的手内操作，最常见的失败是把东西掉了，可是以往的工作很少专门统计掉落。这篇让 LEAP 机械手把手里的物体挪到几乎任意位置和朝向，手腕朝向也随机变，而且一个目标接一个目标连续做。主策略完全在仿真里训练，直接迁到真机。真机上 95.2% 的新目标都能准确到达。作者再在冻结的主策略上叠一个小网络，它只看手和物体的状态，用强化学习学会给每步动作加一点修正，奖励是物体不掉、修正越小越好。修正的惩罚权重可以在运行时调，调大就更接近原动作。这样掉落减少 75%，到达率仍有 91.5%。

具身智能 · 评分 4.75 · Ian Chuang, Hiya Shah, Vamsi Chilamkur, Iman Soltani, Claire Tomlin · 原文

Exploratory creative pre-ranking: Hierarchical empirical-Bayes Thompson sampling for real-time creative optimization

Thu, 29 Oct 2026 08:00:00 +0800

AI 生成内容让广告主很容易做出大量素材，但每张分到的曝光很少。Roblox 这篇在召回和精排之间加了一层素材粗排：把新素材所属计划、游戏和目标人群的历史游玩率 μ 当先验均值，先验强度 κ 这样定：同组素材游玩率按曝光加权的离散程度，减掉曝光太少带来的抽样噪声，剩下的方差记为 σ²，κ 等于 μ(1−μ)/σ² 再减一，差异越小 κ 越大；再加上素材自己的游玩和未游玩次数得到 Beta 后验，从中随机抽一个分数排序。数据少时借来的经验主导，数据多了让位给素材自己。回放线上流量，它让精排预估的游玩率提升 8.14%，同数量随机候选只提升 2.80%，链路耗时只多 0.2%，已全量上线。

个性化推荐 · 评分 4.75 · 深度解读 12 分钟 · Jiale Han, Ajith Moparthi, Dan Xie, Xiaowu Dai · 原文

EmbeddingGemma 2: Unified and Efficient Multimodal Representations

Thu, 29 Oct 2026 08:00:00 +0800

想让一个 embedding 模型同时搜文字、图片、视频和音频，常见做法是先把音频转成文字、给图片配说明，再交给文本模型，既多花算力，又丢掉了语气和画面细节。Google 的 EmbeddingGemma 2 用一个 744M 参数的模型，把这几种输入直接映射到同一个向量空间，各模态编码器还能按需加载。用语音提问去找文本段落最能说明差别：同一个模型先把语音转写成文字再检索，MRR@10 是 57.59，直接读音频能到 69.54。小模型做多模态，不一定要牺牲文本和代码，它的代码检索分数反而比上一代高出近十分。

AI 搜索 · 评分 4.65 · 深度解读 15 分钟 · Henrique Schechter Vera, Sahil Dua, Jovan Andonov, Sara Smoot, Sebastian Russo, Ivan Llanos, Max Ma… · 原文

OpenJaws: An Open Hardware UMI Framework with Stereo Localization for Generalist Manipulation

Thu, 29 Oct 2026 08:00:00 +0800

用手持夹爪（UMI）在野外采机器人示教数据已经很流行，但动作标签准不准，取决于从腕部相机视频里还原夹爪轨迹的那一步。原版 UMI 用单目相机加 IMU（惯性测量单元），单目看不出真实尺度，还要预先建图、贴标记物来稳住。OpenJaws 把相机换成一台百元级的双目相机，两只镜头的间距是标定好的，三角化直接给出真实尺度。在作者新做的带真值评测集上，只比两者都能跟住的片段，双目重建的轨迹误差约 2.9 毫米，原版方案是 18.4 毫米，而且原版平均只跟住 37% 的帧。整套夹爪约 400 美元，软硬件全部开源。

具身智能 · 评分 4.65 · 深度解读 16 分钟 · Adithyavairavan Murali, Yash Oza, Karanbir Chahal, Neel Jawale, Silas De Vries, Hesam Rabeti, Erwin… · 原文

PailitaoMMSearch2.0 Technical Report: Scaling Generative Retrieval to Unified End-to-End Multimodal Search

Thu, 29 Oct 2026 08:00:00 +0800

淘宝拍立淘里，用户拍一件衬衫再说「找条配它的短裤」，要的是搭配而不是同款。传统做法先分意图、再分发到不同召回通道，任何一步分错后面全错。阿里这篇技术报告让一个 2B 视觉语言模型直接读原图和原话，生成商品的 Semantic ID，不需要意图标签。优秀率指前 10 个结果里被评审模型判满分的比例。「找搭配」请求的这一指标从多路召回链路的 44.2% 提到 74.3%，线上 GMV 提升 8.94%，已全量上线。

生成式推荐 · 评分 4.50 · 深度解读 14 分钟 · Xiaohan Ye, Zihan Gong, Jingqian Zhao, Lianyu Du, Yunmeng Shu, Xu Chen, Zesheng Zhou, Renchun You,… · 原文

Sequential Asymmetric Imitation for Learning Coupled Robot Policies

Thu, 29 Oct 2026 08:00:00 +0800

两台移动双臂机器人通过同一个物体协作时，失败往往不是谁的单项技能不行，而是时机没对上：该等的时候没等，该让的时候没让，该松手的时候还在拉。常规做法要两个人同时遥操作采示范，成本高，也很难同步。这篇的 SAI 只要一个操作员，分三步：先由人扮演配合度很高的搭档，教会机器人 A；再让 A 按学到的策略自己动，操作员遥操作 B 跟它配合，采到的示范用来训练 B；最后只在 A 快要配合失败的地方让人插手纠正。这样机器人见到的搭档越来越像真实情况，会有延迟、节奏错位和让得不够。真机实验里，它的成功率、同步程度和让步表现都好于两台各自独立模仿的做法。

具身智能 · 评分 4.40 · Ranpeng Qiu, Yincong Chen, Zihao Li, Yanan Zhou, Guoqiang Ren, Weiming Zhi · 原文

DeCAL: Towards Physically-Grounded Dexterous Vision-Language-Action Models via Contact-Aware Latent Co-Imagination

Thu, 29 Oct 2026 08:00:00 +0800

灵巧手做接触密集的操作时，手指常常把物体挡住，相机看不清，单靠视觉的 VLA 模型很难把握接触和力度。已有工作开始加入触觉，但多数只是把触觉和视觉特征直接拼在一起，不管当下有没有碰到物体。DeCAL 让触觉按接触情况决定参与多少：没碰到时少用，碰到时多用。它还让模型在出动作之前，在隐空间里一起预测接下来画面和触觉的变化，借此学到一些物理规律。在作者的灵巧手任务上，它的平均成功率达到 71%，在没见过的场景里也保持了较好的表现。

具身智能 · 评分 4.40 · Yankai Fu, Ning Chen, Junkai Zhao, Heng Zhang, Guocai Yao, Pengwei Wang, Zhongyuan Wang, Shanghang… · 原文

A Dense Subset Index for Collective Query Coverage

Thu, 29 Oct 2026 08:00:00 +0800

传统检索里，文档彼此竞争前几名；但在多跳问答或 text-to-SQL 里，单篇文档往往不完整，答案要靠几篇拼起来。放到稠密检索上，这就是找一小组文档，让它们的 token 向量合起来覆盖 query 的每个 token 向量。这里的覆盖，指 query 的每个 token 向量都能在选中的文档里找到相近的 token 向量。这篇论文证明覆盖程度满足次模性，也就是每多加一篇文档，新增的覆盖只会越来越少，所以可以一轮轮查询向量索引，每轮找能补上最多未覆盖部分的文档，贪心地凑出接近最优的组合，耗时随语料规模亚线性增长。作者据此实现了一种新的向量数据库 DISCo，在覆盖率和查询延迟的权衡上优于对比方法。需要多篇证据拼答案的 RAG，用这个目标比用 top-k 更贴切。

AI 搜索 · 评分 4.40 · Kartik Nair, Pritish Chakraborty, Atharva Abhijit Tambat, Indradyumna Roy, Soumen Chakrabarti, Anir… · 原文

GRAPE: Let GRPO Supervise Query Rewriting by Ranking for Retrieval

Thu, 29 Oct 2026 08:00:00 +0800

CLIP 这类检索模型遇到中文 query、长文本 query 或图文组合 query 时效果明显下滑，可重训检索器、重算整库向量又太贵。这篇论文不动检索器，只训练一个大模型来改写 query，并用 GRPO 把检索排名直接当作改写的奖励。作者发现，如果奖励只看改写后的 query 和正确结果有多相似，模型会学会把所有候选的分数一起抬高，无关结果也跟着变高。改成看正确结果在整个语料里排第几，这个问题就消失了。在多语言、长文本和组合图像检索的多个基准上，Recall@10 平均提高 4.9%。检索模型冻结、语料很大的系统，可以先从改写 query 下手。

AI 搜索 · 评分 4.40 · 深度解读 12 分钟 · Zhaohua Zhang, Jianhuan Zhuo, Muxi Chen, Chenchen Zhao, Wenyu Jiang, Mingyang Chen, Yu Tang, Qiuyon… · 原文

LTRR: Learning To Rank Retrievers for LLMs

Thu, 29 Oct 2026 08:00:00 +0800

RAG 系统一般只接一个固定的检索器，但不同问题适合的检索器不同，有些问题干脆不检索、只靠模型自己答更好。这篇论文把选检索器当成排序问题：对每个训练问题，记下每个检索器让答案质量比不检索提高了多少，再训练一个排序模型给检索器排名，不检索也是候选之一。在六个由稀疏、稠密检索和不同重排组合出的检索器上，pairwise XGBoost 路由把答案正确率分从最好单一检索器的 0.5776 提到 0.5900，而每题都选对的上限是 0.7948。路由的收益是真实的，但离上限还很远，而且训练标签选哪种答案质量指标影响很大。

AI 搜索 · 评分 4.40 · 深度解读 12 分钟 · To Eun Kim, Fernando Díaz · 原文

VLA-Stem: A Lightweight Safety Mechanism for Vision-Language-Action Models via Reinforcement Learning

Thu, 29 Oct 2026 08:00:00 +0800

VLA 模型（看图像、读指令，直接输出机器人动作的大模型）擅长按指令抓取和摆放，但大多是在没有障碍的桌面上训练的，旁边多一个箱子或者有东西移过来，它就会直接撞上去。用避障数据去微调 VLA 最直接，可这种数据很难采，还可能伤到原来的任务能力。VLA-Stem 不动 VLA，只在它后面接一个用强化学习训练的小策略：把 VLA 给出的一段动作当作参考路线，结合机器人自身状态和附近障碍物，实时调整实际执行的轨迹和快慢。在六个有障碍的仿真设置里，既不碰撞又完成任务的比例平均 52.8%，最强的安全基线只有 23.7%，没有障碍时原有成功率基本不掉。

具身智能 · 评分 4.40 · Bojun Zou, Wenhao Yu, Jiaohao Li, Jiaxuan Lin, Guanting Ye, Haohan Geng, Weihao Yu, Yanyong Zhang,… · 原文

Rethinking Positional Encoding and Interaction Granularity for CTR Prediction

Thu, 29 Oct 2026 08:00:00 +0800

在 OneTrans 这类统一 Transformer 的 CTR 模型里，作者在快手 KuaiRand 数据上试了六种位置编码，没有一种比完全不加位置编码更好。武汉大学和腾讯的这篇论文据此提出 TRIP（作者给整套方法起的名字）：每个行为同时编码它在序列里排第几，以及它离这次预测过去了多久，并按这个时间距离分组：把离这次预测的秒数取以 2 为底的对数再取整，每组覆盖的时间是前一组的两倍；同组的行为互相可见，不同组之间只能看更早的组。同一段历史，换一个曝光时间，每个行为离现在多远就全变了，语言模型的位置编码没考虑过这点。在四个公开数据集上，AUC 比最强基线平均相对提升 1.47%，在腾讯广告数据集 TAAC（腾讯公开的广告点击数据）上最高提升 4.45%。

个性化推荐 · 评分 4.40 · 深度解读 13 分钟 · Xinxun Zhang, Yuxiang Wang, Xiaokai Zhou, Jiayue Li, Yi Li, Yue Liu, Jun Zhang, Xiaoling Zhou, Tiey… · 原文

Natural Hard-Negative Mining from Positives for Instruction-Following Retrieval

Thu, 29 Oct 2026 08:00:00 +0800

带指令的检索要求同一个 query 在不同指令下排出不同结果：指令加了一条额外要求后，原来的正例如果不满足这条要求，就该往后排。这种训练数据很少，现有做法是固定正例，再让大模型编一段违反指令的负例。这篇论文反过来做：从原有负例里挑一篇满足某个额外条件的文档，生成一句短指令把它扶正，原来的正例在这句指令下自然成了最难的负例。在 MS MARCO 上只造了 6,716 条数据，小号的 Qwen3-Embedding 训练后，在 InstructIR 上，同一 query 配上多条不同用户指令，取排得最差那次的前十名 nDCG，这个分数从 49.29 升到 67.06，超过大十倍以上的 Promptriever。

AI 搜索 · 评分 4.40 · 深度解读 13 分钟 · Chaolang Li, Jingyu Li, Zhaocheng Du, Xuyang Xie, Gang Wang, Pengwen Dai · 原文

TOPS: Reshaping Flow Source and Transport for Multi-Task Robot Manipulation

Thu, 29 Oct 2026 08:00:00 +0800

用 Flow Matching 生成动作的多任务机器人策略，通常让所有任务都从同一团高斯噪声出发，沿直线路径变成动作。可开抽屉和叠积木的动作差别很大，共用一个起点和路径，很难每个任务都学好。TOPS 不改网络，只改这两样。它把专家动作沿训练好的策略倒推回噪声空间，发现不同任务落在不同区域，于是给每个任务拟合一个起点分布，按语言指令从对应区域开始生成。它还比较起点分布和专家动作在各个方向上散开的程度，专家动作散得更开的方向，生成前期少往目标挪、后期多挪，其余方向照常匀速。在 LIBERO 最难的长任务子集上，只走一步的 TOPS 把成功率从标准 Flow Matching 十步的 53.44% 提到 69.67%。

具身智能 · 评分 4.40 · Tuo An, Chuhao Zhou, Jiahua Dong, Jingliang Li, Jiaqi Bai, Jindou Jia, Jianfei Yang · 原文

CARD: Contact-Anchored Retargeting for Dexterous Manipulation

Thu, 29 Oct 2026 08:00:00 +0800

教灵巧手最省事的办法，是把人手示范直接换算成机器人动作，即重定向。可现有方法只对齐指尖位置和关节角度，不管手和物体之间有没有接触、用了多大力，机器人手该贴住物体的地方常常没贴住。CARD 先记下每一帧人手哪些位置碰到物体、用了多大力：触觉手套直接读压力，视频没有力的信息，就用作者训练的模型从画面判断哪些位置在接触，每个接触点按同样的力算。重定向时，机器人手除了跟随手指位置，还要在对应位置产生这些接触力。它保住接触的帧数是只对齐运动学方法的好几倍。把这个思路加进基于物理的重定向，在 GRAB 数据集的仿真回放里，物体真被搬过大半程、该抬起时确实抬起才算成功，成功率从 12% 提到 32%。

具身智能 · 评分 4.40 · Cunxi Dai, Botao He, Francois R Hogan, Wei Pan, Rao Fu, Wen-Han Hsieh, Ruoshi Liu, Jitendra Malik,… · 原文

Folding Attention Biases into Keys Makes Compacted KV Caches Run on Standard Kernels

Thu, 29 Oct 2026 08:00:00 +0800

KV cache 压缩已能把长文档的缓存砍到十分之一，但效果最好的 Attention Matching 给每个保留的键向量加了一个偏置，vLLM 没有地方放它。这篇论文用读文档时产生的 query 为每个注意力头算出一个方向，让这些 query 在它上面的投影平均正好是 1，再把每个键向量沿它挪动一段与偏置成正比的距离，投影接近 1 的 query 看到的分数变化就约等于偏置。不改源码的 vLLM 在一张 T4 上同时装下的请求从 4 个变成 31 个。

系统与索引 · 评分 4.40 · 深度解读 13 分钟 · Utkarsh Kanwat · 原文

GRAFT: Geometry-Aware Residual Adaptation for Foundation Trackers

Thu, 29 Oct 2026 08:00:00 +0800

人形机器人的行为基础模型（BFM，给一段参考动作就输出全身关节指令的通用跟踪策略）大多在平地动作上训练，碰到台阶、沟和平台就容易摔。常见做法是连同感知一起重训或微调整个模型，成本高，还可能把平地上原有的能力弄坏。小米机器人实验室的 GRAFT 把基础模型完全冻住，只加一个小的适配器，按脚下地形给下半身的执行目标加一点修正，平地上的修正被压到接近零。四个冻结的基础模型在最难的地形上原本几乎都过不去，加上 GRAFT 后，表现最好的从 40 次里成功 3 次升到 39 次。适配器最后只靠机载深度相机就在宇树真机上跑通。

具身智能 · 评分 4.40 · Liang Li, Guoyao Zhang, Xingyu Chen, Sikai Wu, Qianyang Wu, Yuhang Lin, Renjing Xu, Mingliang Zhou,… · 原文

WAKMan: Workload Aware KVCache Manager

Thu, 29 Oct 2026 08:00:00 +0800

vLLM 的前缀缓存该用哪种淘汰策略，取决于此刻的流量。agent 请求几秒后就带着同样的历史回来，默认的 LRU 正合适；热门系统提示和多轮对话的历史隔很久才回来，要靠优先保护反复被用的块的 S3FIFO 才留得住。作者在 20 种请求混合上实测，两种策略各有输赢。WAKMan 每 15 分钟把刚过去的流量在两套模拟缓存上各重放一遍，下一段时间用命中率更高的那套，平均比只用 LRU 多 5 个点的命中率。

系统与索引 · 评分 4.40 · 深度解读 11 分钟 · Suhas Kumar Morisetty, Vaibhavi Lokegaonkar, Sachin Mathew Varghese, Wesley Harris · 原文

Let the Gate Decide: Per-Lookup Precision for Quantized Conditional Memory in LLMs

Thu, 29 Oct 2026 08:00:00 +0800

给大模型的 n-gram 记忆表做低比特量化时，把精度留给访问最多的行反而比随机挑还差。原因在门控：DeepSeek 的 Engram 这类条件记忆层查出的向量要乘一个门控，常见虚词的门控很小，罕见实体名的门控很大，量化误差按门控放大。GateRQ 把每行存成几级单比特残差码，每次查表先读第一级算出门控，再在同一个 batch 里按门控估出的重要度排序，排在最前的一小部分读到第三级，其次的读到第二级，其余停在第一级；各级的比例由事先定好的平均读取比特数预算决定。不重训模型，DeepSeek 最新的 Flash 模型每张 GPU 上的表从 23.6 GiB 降到 3.0 GiB，省下的显存让长上下文吞吐比 FP8 表明显更高。

系统与索引 · 评分 4.40 · 深度解读 16 分钟 · Tianqi Chen, Xunchao Li, Linchuan Xie, Guanghua Yu, Jianchen Zhu, Peisong Wang, Jian Cheng · 原文

When Do Discrete Actions Make Good Continuous Controllers?

Thu, 29 Oct 2026 08:00:00 +0800

大模型都在预测离散 token，机器人基础模型却几乎都把动作当连续向量来预测，默认的理由是离散化会损失精度。这篇在仿真和真机、单任务和多任务 VLA 上系统比了一遍，发现最朴素的离散做法，把每个动作维度均匀切成若干档，成功率也能追平甚至超过连续动作。离散策略真正的问题不在精度，而在于各个时间步、各个维度分开预测，拼起来可能是互相矛盾的组合。借用扩散模型里的无分类器引导，放大有观测和没观测两次预测的差别，让每个动作维度的概率集中到少数几档上，档位划分不变。这样做后，离散回归在 RoboCasa 上的成功率从 27.1% 升到 49.2%，接近多步迭代生成的离散流匹配的 53.9%。机器人动作未必需要和其他 AI 领域不同的表示。

具身智能 · 评分 4.40 · Zeji Yi, Soham Dasgupta, Xinyang Zhang, Koushil Sreenath, Guannan Qu, Xi Chen, Max Simchowitz, Guan… · 原文

Lossless Compression of Proximity Graph Indexes for Efficient Approximate Nearest Neighbors Search

Thu, 29 Oct 2026 08:00:00 +0800

向量检索的 HNSW 图索引里，向量本身已经常被量化压小，邻接表里的边反而成了内存大头，但边要在每次查询走图时现场解码，压缩不能拖慢查询。eBay 和比萨大学的这篇工作先离线给节点重新编号，让相邻节点的编号靠近，再用支持 SIMD 的整数压缩器 Stream VByte 现场解码。边存储最多省下 52.7%，延迟几乎不变；在 eBay 线上部署时，边存储最多减少 44.3%，查询延迟没有变差。

系统与索引 · 评分 4.30 · 深度解读 10 分钟 · Francesco Benocci, Leonard Dahlmann, Francesco Gargiulo, Tobias Heuer, Silvio Martinico, Franco Mar… · 原文

Tessera: Structure-Completed Evidence Units for Web Retrieval-Augmented Generation

Thu, 29 Oct 2026 08:00:00 +0800

问维基百科《欢乐糖果屋》的制片人是谁，答案就在页面信息框的制片一行，可文本抽取把这一格里的两个名字弄丢了，读者模型只看到导演，于是答错。这篇论文在整个英文维基百科上把答案证据从网页源码一路追到读者输入，发现这种丢失很普遍：7.6% 的问题证据根本没完整进索引，其中 81% 是表格单元格、表头或图注。Tessera 检索照旧，只在读之前把排名靠前的网页重新拆成一行表格、一个列表项这样的小单元，补上标题、章节和表头，再挑相关的装进同样的 token 预算。文本和截图两类流水线的答对率都提高 5 到 6 个点。

AI 搜索 · 评分 4.30 · 深度解读 13 分钟 · Peichun Hua, He Sun, Zirui Zhuang, Qi Qi, Yiming Qiu, Shinan Liu, Yunming Xiao · 原文

QESChunker: A Single Objective Unifies Overlapping and Non-Overlapping Chunking for RAG

Thu, 29 Oct 2026 08:00:00 +0800

RAG 的切块大多靠经验，固定长度、按段落或按语义相似度切，没有一种方法直接以问题的证据能否被完整取回为目标。这篇论文用已有的问题和对应证据来决定每份文档在哪里切，目标是让尽量多的证据段落落进能被这个问题检索到的块里。不允许重叠时，这个目标可以按块拆开，用动态规划精确求出最优切法；允许重叠时问题变成 NP 难，就用贪心近似求解。在两个中文政策语料和三个英文公开数据集上，固定同一个混合检索器，按证据被完整取回的比例比较，不重叠版在 10 个对比设置里有 9 个排第一，重叠版 10 个全是第一，而且返回的上下文越少，优势越大。它适合被反复查询、已经积累了问答记录的文档库。

AI 搜索 · 评分 4.30 · Yifan Zhao, Qianyang Zhao, Xinyu Guan, kai wei, Yuming Deng · 原文

KL-MOPD: Discrepancy-Aware Multi-Objective On-Policy Distillation for Generative Recommendation

Thu, 29 Oct 2026 08:00:00 +0800

把点击老师和价值老师一起蒸馏进生成式推荐时，每个 token 平分权重并不公平：在 TencentGR 上，学生生成第 1 个 token 时离价值老师的 KL 是离点击老师的 3.13 倍，而且难学的老师在后两个 token 换成了点击老师。浙大和阿里的 KL-MOPD 在训练前算一次学生离两个老师的距离，每个 token 上离得更远的老师拿更大的权重，训练时没有额外开销。线上 A/B 中，广告收入提升 1.63%，说明点击和价值两个目标一起涨了。

生成式推荐 · 评分 4.20 · 深度解读 12 分钟 · Weiqin Yang, Yandong Wang, Yuan Gao, Hao Deng, Jinxin Hu, Jing Cao, Jiawei Chen · 原文

Latent Residual Reasoning for Ranking in Generative Recommendation

Thu, 29 Oct 2026 08:00:00 +0800

生成式排序模型一次前向就给所有候选打完分，没有机会再细看、修正。美团和中科大的 Refiner 在这之后再多算几步：给每个候选接一个推理 token，每一步只预测加到原分数上的修正量，原模型完全冻结，只训练 LoRA 和新输出层。在 Steam 数据集上，它把美团的生成式排序模型 MTGR 的 AUC 提到 0.7872；接在线上模型之后做 A/B，点击率提升 0.75%。因为只学残差，多算的几步是在原有分数上加修正量，而不是从头重新打分。

生成式推荐 · 评分 4.20 · 深度解读 13 分钟 · Haihan Shi, Ruidong Han, Wenjie Wang, Shangyu Chen, Sunhao Dai, Yongqi Li, Yangyang Li, Fei Jiang,… · 原文

Frontier Models for Every Robot: Announcing our API beta

Thu, 29 Oct 2026 08:00:00 +0800

Physical Intelligence 把自家最新的机器人基础模型开放成了 API 测试版：开发者上传示范数据，在它托管的算力上微调 π 系列模型，再通过云端推理直接控制自己的机器人。早期用户覆盖了不少行业，有在真实商业现场无人驾驶装载机装车的，也有用 API 迭代四天，就让双臂机器人给自己的零件去毛刺的。官方总结的共同经验是，改进流程大同小异：采示范、训模型、上机测试，再根据失败决定下一批采什么数据。部分用户遇到了网络问题，云端推理对现场网络有要求。对做机器人应用的团队来说，这意味着不必自建训练基础设施就能用上前沿模型，但数据和失败分析仍要自己做。

具身智能 · 评分 4.10 · Physical Intelligence · 原文

REGER: Modeling inter-item Relations with Semantic IDs for Generative Recommendation

Thu, 29 Oct 2026 08:00:00 +0800

交叉熵只告诉生成式推荐正确 token 是哪个，其他候选谁更好没有任何信号。电子科大的 REGER 把传统序列模型对全部物品的打分，在正确答案的每个前缀上按下一个 token 所属的分叉把物品概率加总再归一化，得到每一步的分叉偏好，让生成模型去对齐。单独加到 TIGER 上，Beauty 数据集的 Recall@10 从 0.0673 提到 0.0794，推理时间不变，说明它是一个几乎免费的训练改动。

生成式推荐 · 评分 4.10 · 深度解读 14 分钟 · Yuxi Huang, Silin Zhou, Chenhao Wang, Zihan Li, Gangming Guo, Pei Ke, Shen Gao, Shuo Shang · 原文

Can Complementary Signals Bridge Similarity Islands? Manifold-Augmented Graph Embedding for Multimodal Recommendation

Thu, 29 Oct 2026 08:00:00 +0800

多模态推荐常按内容相似度建物品图，常被一起买、但长得不像的互补品（比如相机和存储卡）却各自孤立。MAGE 先在离线阶段，把每个物品的共同购买物品按和它的文本相似度排位，最像的一批当替代品，最不像的一批当互补品；物品和替代品的文本向量拼成矩阵做 SVD，每个方向的去除比例是奇异值平方除以（奇异值平方加一个常数），奇异值越大越接近全部去掉；每个互补品按这些比例去掉替代品方向上的部分，残差取平均，加到物品文本向量上。在线时，图像特征走相似物品图，增强后的文本特征走共同购买图，再用门控融合。先在几何上拉近互补品，传播才不会只在相似物品之间打转。四个 Amazon 数据集上 Recall@20 比最强基线高 2.8% 到 6.5%。

个性化推荐 · 评分 4.10 · Zhenye Yang, Jinpeng Chen, Wenbo Fu, Jun Ma, Huan Li, Qimin Zhou, Tao Wang, Li Sun, Senzhang Wang · 原文

LESSRec: Level-Specific History Modeling for Semantic ID-Based Recommendation

Thu, 29 Oct 2026 08:00:00 +0800

SID 推荐在预测某一层 token 时，会同时看历史里所有层的 token。LESSRec 的推理分析发现，和目标同一层的历史 token 信息量更大，其他层反而会干扰。所以它把历史按层分开编码，预测第几层就只看那一层的历史，再补一条按时间排列、每个历史物品只用一个整体语义表示的序列；解码时对这两条序列各做一次交叉注意力，再把结果合并。LESSRec+ 进一步给每层用独立的小编码器，总参数量不变、编码计算更少，在三个公开数据集和三种 tokenizer 上都有效。

生成式推荐 · 评分 4.10 · Shangxin Yang, Zongwei Wang, Jing Long, Junliang Yu, Min Gao · 原文

TAO: Tool-Aware Joint Scheduling for LLM-Based Agentic Serving

Thu, 29 Oct 2026 08:00:00 +0800

agent 服务里，模型推理跑在 GPU 集群上，工具调用跑在分散的 CPU 上，现有调度器不看工具什么时候返回，也只用启发式规则决定哪些会话上 GPU、放在哪个节点。TAO 为每个会话和每个节点算三项：这个节点上缓存还能复用多少（随时间衰减），工具是否会在下个调度窗口内返回（按工具自己报告的进度或同类工具的历史耗时估算），会占多少 token。动态规划在容量限制下一起决定选谁、放哪，目标是让选中会话的缓存复用总量最大，平手时就绪的会话越多越好，再平手时偏向 token 多的。在 12 组模型、负载和并发设置里，首 token 平均延迟最多降低 36.3%。

系统与索引 · 评分 4.10 · Shuhuai Li, Shengdong Ye, Dongdong Ge, Yinyu Ye, Jianghao Lin · 原文

Compote: Collapse-Resistant Multiple Hypothesis Learning For Sequential Recommendation

Thu, 29 Oct 2026 08:00:00 +0800

多兴趣召回常见的问题是几个兴趣向量最后指向同一方向。Criteo 和索邦大学的 COMPOTE 在共享的因果 Transformer 后面接几个预测头，每个样本按各头给真实物品的概率分配梯度，权重正比于概率的 1/τ 次方：温度 τ 高时各头一起学，τ 降到接近 0 时只更新猜得最准的那个头。推理时每个物品取几个头里最高的余弦相似度排序。多兴趣召回缺的往往不是更多向量，而是让向量分工的训练目标：同等参数量下，平均训练或加路由门控的几个头方向完全重合，COMPOTE 的头则明显分开，在三个 Amazon 数据集上拿了 12 个指标中的 11 个第一。

个性化推荐 · 评分 4.10 · 深度解读 12 分钟 · Louis Castres Saint Martin, Clement Calauzenes, Alain Rakotomamonjy, Patrick Gallinari · 原文

JevRec: Linguistic Encoding with Jev-like Decision Modeling for LLM-based Generative Recommendation

Thu, 29 Oct 2026 08:00:00 +0800

多数生成式推荐给所有物品同样长度的 SID，热门物品反复为细粒度编码付出成本，缩短编码又会压缩长尾物品的语义。JevRec 借鉴自然语言里常用词更短的规律：先用残差量化给每个物品编出 4 级编码，每一级各有一张所有物品共用的向量表（论文叫码本），每级记下离剩余误差最近一项的序号，越往后越细。它按训练集交互频率把物品排序分组，越热门的组截掉越多末尾的细粒度编码，长尾物品保留完整描述；同一组里截短后前缀相同的物品，末尾再各补一个不同的编号，保证每个物品唯一。它还用一个单独的输出头先预测长度，再按长度生成内容，减少梯度冲突。在三个公开数据集上它全面领先，训练和推理时间都比 TIGER 短。

生成式推荐 · 评分 4.10 · 深度解读 13 分钟 · Qiyong Zhong, Jiajie Su, Ming Yang, Li Zhang · 原文

BehaveRec: When Does Long-Term Behavioral History Help Sequential Recommendation? A Study with Session, History, and Community Signals

Thu, 29 Oct 2026 08:00:00 +0800

长期历史和社区信号是不是总有用？BehaveRec 的答案是要看用户有多少历史。它把三路信号合在一起：当前会话的因果 Transformer、过去 90 天历史的双向编码器，以及按行为相似度建的用户图，再用一个门控按用户决定各用多少。在千万级用户的工业数据上，Recall@5 比 SASRec 高 3.2%，参数更多的 SASRec 仍然落后，所以不是靠模型更大。更有用的是分层结果：历史很少的用户几乎没有提升，之后随历史增多单调变大，历史少于约 10 次时基本无效，作者据此给出约 20 次交互的上线门槛。这些结论是在类目级意图预测上得到的，物品级只做了一次初步检查，结果方向不一。

个性化推荐 · 评分 4.10 · Aysenur Inan, Reza Yousefi Maragheh, Jayesh Uddhav Kudase, Selene Xu, Kaushiki Nag, Jianpeng Xu, Su… · 原文

RELAY: One Query, Two Roles for Sequential Recommendation

Thu, 29 Oct 2026 08:00:00 +0800

序列推荐里，表示用户偏好的部分和打分时用到的历史行为往往各看各的。RELAY 让一个学出来的 query 先对历史做注意力，得到偏好表示，再拿同一组注意力权重给两路记忆加权：直接历史给用户看过的物品本身加分；转移记忆是训练集里统计的物品 a 之后紧跟物品 b 的次数，取对数后，每个历史物品按自己的注意力权重给它常接的物品加分。偏好表示和打分用的是同一组被选中的历史行为，两边不会脱节。每个候选有门控决定更信哪一路，一次前向完成排序。在六个数据集上，NDCG@5 比之前最好的模型平均高 17.88%，预测部分的参数量少 65%，推理快约 1.75 倍。

个性化推荐 · 评分 4.10 · Zesheng Li, Chengchang Pan, Honggang Qi · 原文

ResCom: Activation Residual Compensation for Large Language Model Quantization

Thu, 29 Oct 2026 08:00:00 +0800

权重和激活都量化到低比特后，同一个量化区间里的激活被取成同一个值，精度因此下降。ResCom 把激活被舍掉的残差拿回来补偿层输出误差。它在校准数据上统计残差的协方差，以及输出误差和残差的互协方差。先用前者把残差各维的尺度和相关性拉平，再对拉平后的互协方差矩阵做奇异值分解。取最能解释输出误差的几个方向，就直接得到低秩修正矩阵，不需要梯度训练。在 4 bit 权重和激活的 Llama-3-8B 上，五样本 GSM8K 准确率从 23.96% 提到 36.16%。

系统与索引 · 评分 4.10 · Ning Yang, Bohan Cui, Zhuowen Liu, Yuting Wang · 原文

Lost in the bf16 Cast: Exporting Ternary Language Models Can Revert Most Low-Learning-Rate Code Changes

Thu, 29 Oct 2026 08:00:00 +0800

三值大模型发布时，导出流程先把潜在权重转成 bf16，这一步会悄悄抹掉小学习率微调学到的大部分改动。原因是微调更新的是高精度的潜在权重，只有潜在权重越过阈值（所在张量平均幅度的一半）时，对应的三值码才会改变；小学习率下，多数改动只比阈值多出一点点。而阈值附近 bf16 能表示的相邻数值隔得比这点改动还远，一转就把刚越过阈值的权重拉回原处。按文档流程导出后，Falcon-E-1B-Base 的 GSM8K 准确率从 58.79% 掉到 0.78%。

系统与索引 · 评分 4.10 · Avichal Sahai, Nishant Raj, Animesh Srivastava · 原文

TaskBridge: Technical Report for SIGIR 2026 eCommerce Challenge

Thu, 29 Oct 2026 08:00:00 +0800

电商里很多 query 说的是要做的事，而不是要买的东西。比如用户输入“做千层面”，要的是烤盘、食材和厨具，商品标题里却没有这几个词，BM25 很难召回。这篇电商挑战赛的冠军方案先把 query 和商品目录里的类目、实体词对齐，再让大模型一次生成五条互补的改写，最后按评测协议挑选：自动模式只交质量最高的一条；交互模式最多交四条，在五选四的各组里先比平均质量，再比组内检索结果的最大重合度，重合越少越好。每条改写的质量，是用它跑 BM25 取回商品后，重排模型给前五个商品的相关分按名次加权平均。任务型 query 的改写要锚定在目录用词上，否则大模型想出来的商品词未必搜得到。

AI 搜索 · 评分 4.05 · Zhiheng Fu, Yupeng Hu, Zixu Li, Zhiwei Chen, Qinlei Huang, Shaokun Wang, Han Liu, Fan Liu, Weili Gu… · 原文

Cross-Day Compatibility of Daily Item Embeddings: An Empirical Study of Alignment, Scale Management, and CTR Adaptation

Thu, 29 Oct 2026 08:00:00 +0800

很多团队每天重训一版物品共现 embedding 喂给 CTR 模型，但同一个物品的向量方向和长度每天都在变，多天的训练数据其实混着好几个版本。这篇工业实证研究比较了多种处理办法，给出三条结论。第一，把新一天的向量正交对齐到前一天，能让跨天的向量更一致，GAUC 也随之提升 2.6%。第二，用前一天的向量热启动效果好，但向量长度会越积越大；每天把整张 embedding 表乘同一个系数，让物品向量的平均长度回到一个参考值，就能压住，并拿到最高的 4.0% GAUC 提升。第三，下游 CTR 模型里的降维编码器本身也会吸收剩余的漂移，所以上游稳定化和下游学习是互补的。所有数字都是相对基线的百分比，原始值没有公开。

个性化推荐 · 评分 4.05 · Yicheng Wang · 原文

Memory-Enforced GPU Sharing in Kubernetes with NVIDIA CUDA 13.4

Thu, 29 Oct 2026 08:00:00 +0800

很多 AI 任务只用得了一块 GPU 的一小部分，以往的共享方式里，轮流占用的时间片不限制显存，多进程并发的 MPS 也没有对应用透明的显存上限。NVIDIA 的这篇博客介绍 CUDA 13.4 新增的显存边界：任务申请多少就只能用多少，超出就分配失败，也可以设保底加可突发的上限。配套的开源 GPU Fractioning Operator 在 Kubernetes 节点上配置和监督 MPS，KAI Scheduler v0.18.0 负责按注解把分数 GPU 分给各个容器。

系统与索引 · 评分 4.00 · 原文

Meta Andromeda: Powering the Next Generation of Ads Retrieval Through Model-System Co-Design

Thu, 29 Oct 2026 08:00:00 +0800

Meta 新一代广告召回引擎 Andromeda 把接近排序水平的模型用到了召回，对每个符合条件的广告都打分。新版把单个用户塔换成多个专门的用户塔作为专家，广告塔结合实时请求上下文编码，交互层用注意力门控按广告只激活最相关的几个专家，推理计算量比 2024 版少约 300 倍，效果接近排序模型。瓶颈从算力转到了显存带宽和网络传输，所以他们把每个用户和广告之间的取 embedding、跑交互模型、打分三步合进一个 GPU kernel，中间结果留在寄存器和共享内存里，不再反复写进显存；又把定向规则匹配、打分和取前 K 名放到同一台 GPU 机器上，只回传最终结果。这让系统能在同样延迟内给更多广告打分；2025 年以来，它让 Facebook 上的转化提升 2.4%。

个性化推荐 · 评分 4.00 · 深度解读 11 分钟 · 原文

DuTri: Dual-Branch Modeling with Triadic Factorization for Multimodal Multi-Scenario Recommendation

Thu, 29 Oct 2026 08:00:00 +0800

多场景推荐加入图文信息时，通常把图文向量当普通特征塞进原来的共享结构，DuTri 的作者用对照实验说明这不是最优，于是拆成两路。协同那一路对用户、场景、物品三者的交互做 CP 分解：用户和物品因子在所有场景共用，承载共性；场景因子调节两者的交互，承载场景差异；三组因子再各自做残差量化：先从一张向量表（论文叫码本）里挑最接近的一项，剩下的误差再从下一张表里挑，用挑出的几项相加代替原因子。多模态那一路用协同路学到的用户和场景偏好决定图文怎么融合，并用对比学习对齐两路的物品表示。协同信号和图文信号需要的建模方式不同，分开学、再用偏好引导融合更合适。在 AntM2C 和 Amazon 两个数据集上优于现有基线。

个性化推荐 · 评分 4.00 · Jintao Huang, Chaohua Yang, Kailiang Hao, Dugang Liu, Xing Tang, Zhong Ming · 原文

RouteDRAG: Learning to Route and Control Agentic Execution for Multimodal Document RAG

Thu, 29 Oct 2026 08:00:00 +0800

长文档多模态问答里，agent 式的反复检索和推理并不总是有用：有些问题一次检索就能答对，多走几步反而可能把对的答案改错。作者先用实验说明，多调用一次工具，答案可能变好、不变，也可能变坏。RouteDRAG 因此学两件事：每个问题要不要交给 agent，以及 agent 执行时每一步要不要继续调用工具、什么时候停。在两个基准上，它比只走短路径平均高 3.47 个百分点，同时只把 79.3% 的问题交给 agent，而且比所有问题都走 agent 更准、调用回答模型的次数更少。该不该启用 agent，本身就值得学。

AI 搜索 · 评分 4.00 · Zekai Chen, Hao Zhu, Yu Liu, Xunkai Li, Zejian Kang, Rui Qian, Quanjiang Li, Rong-Hua Li · 原文

LoRA on a Budget: Function-Aware Post-Hoc Compression for Adapter Fleets

Thu, 29 Oct 2026 08:00:00 +0800

同一个底座模型挂着大量 LoRA 适配器时，要在共享的秩预算下压缩它们，既要定每个适配器各层留多少秩，也要定预算在适配器之间怎么分。FRA 不用标注，拿一小批无标注输入，比较压缩前后适配器输出分布的差异（JS 散度），逐个截断模块测出这个差异，用动态规划拼出每个适配器的压缩曲线，再在整批适配器上做让最差者损失最小的分配。在 3 个公开集合共 78 个适配器上，预算紧时最差适配器的效果明显更好。

系统与索引 · 评分 4.00 · Shenghui Li, Thiemo voigt · 原文

When Connectivity Misleads: Guiding Agentic Search with Contrastive Evidence Paths

Thu, 29 Oct 2026 08:00:00 +0800

搜索 agent 在文档关系图上找证据时，常用 Personalized PageRank 给候选打分，可连接多的文档天然容易被走到，分数被抬高，却不一定提供更有用的证据，结果挤占了 agent 有限的观察窗口。这篇论文给每个候选只算一条最强路径的分数，即从初始检索到的文档出发、沿途边权相乘最大的那条。再除以一个背景概率的平方根，即在同一张图上从任意文档均匀重启的随机游走访问它的概率，于是连得多的文档需要更强的路径才能排上来，路径也一起交给 agent。在 BrowseComp-Plus 和 TREC-COVID 上，它的答对率和 nDCG@10 都最好，生成开销也最低；与效果最强的基线相比，工具调用最多减少一半以上，总生成成本最多减少四成以上。

AI 搜索 · 评分 4.00 · Junchen Li, Liang Xu, Rongzheng Wang, Qizhi Chen, Junhao Wen, Shuang Liang · 原文

Layerwise Repacking: Variable-Length Hybrid-Attention Training without an Extra Redistribution Pass

Thu, 29 Oct 2026 08:00:00 +0800

混合注意力模型做变长训练时，最长的样本在全注意力层需要几十张卡组成的大序列并行组，稀疏注意力层在单机小组里就能平衡。复用大组会让稀疏层通信跨机，单独再切换分组又要多搬一次数据。全注意力层本来就要做一次全交换通信来交换注意力头，Layerwise Repacking 在这次交换里顺便把样本重新分到单机小组，隐状态留在小组里直到下一个全注意力层，端到端训练时间平均缩短 7.61%。

系统与索引 · 评分 4.00 · Jiahao Zhang, Junwei Feng, Dongliang Huang, Xiaoling Zhou, Yiqiao Liao, Chengru Song · 原文

Modeling Preference Dependencies with Directed Acyclic Graphs for Narrative-Driven Recommendation

Thu, 29 Oct 2026 08:00:00 +0800

用户用一段话描述需求时，偏好之间往往互相限定，比如要找适合带老人去、但离家不远的海边城市。现有方法多把它当成关键词组合。PDG-F 先让一个智能体把需求解析成一张有向无环图，每条边表示一个偏好对另一个偏好的限定。每条边被改写成一条搜索查询去开放网络召回候选，召回结果记在这条边指向的节点下。排序时，让大模型拿召回某个候选的网页证据，逐一对照这个节点和它上游每个偏好，从明确矛盾到几乎复述打 0 到 4 分；再顺着边往上游加总，离这个节点越远的偏好打折越多，最后把候选在各节点上的得分相加。在中英文三个领域上，它超过检索智能体和前沿大模型，主要因为候选池能召回的上限明显提高。

生成式推荐 · 评分 3.85 · Mingzhe Lu, Jian Qin, Ruize Qin, Jinhao Liu, Yunpeng Li, Hang Su · 原文

Preserving rare-item recall under a storage budget: quantization, distillation, and the limits of teacher fidelity

Thu, 29 Oct 2026 08:00:00 +0800

embedding 存储预算固定时，该用小的全精度模型、蒸馏出来的学生模型，还是更高维但低精度的模型？这篇在六个数据集上比较了几种占用字节数完全相同的方案，重点看冷门物品的召回。结果很一致：把大教师模型给出的用户对物品打分矩阵，分解成较高维的用户向量和物品向量，每个数只存 4 bit，只用教师 13% 的存储，冷门物品召回基本和教师持平；同样字节数的低维全精度方案，冷门召回在所有设置里都最低。字节花在维度上比花在精度上更能保住冷门物品。作者还发现，只看学生和教师命中的重合度会在七组设置里有三组选错最好的方案，因为压缩后的模型能找到教师漏掉的冷门物品，所以应该直接看冷门召回。

个性化推荐 · 评分 3.85 · Han Chen, Yingrui Li · 原文

RPSD: Retrieval-Privileged On-Policy Self-Distillation with Optimal Transport

Thu, 29 Oct 2026 08:00:00 +0800

用 GRPO 后训练大模型推荐器时，一条回答的奖励平摊给所有 token，而且训练信号只来自单个用户。RPSD 的老师和学生是同一个模型，老师额外看到正确答案和相似用户后来看了什么，再给学生回答里的每个 token 算概率。老师减学生的对数概率差在回答内去均值、截断，答对时取原号、答错时取反号，再取指数，得到限制在 1 附近的正权重，乘到原来的优势值上。这样答对时老师更认可的 token 加强得更多，答错时老师也不认可的 token 罚得更重，奖励方向不变。老师掌握的额外信息来自行为轨迹相似的其他用户，这样训练信号不再只来自单个用户。多个真实数据集上达到最好效果。

生成式推荐 · 评分 3.75 · Dongyue Li, Zebang Cheng, Zhongyi Deng, Hongboxu, Yi Bin, Fei Ma · 原文

The Vocabulary Is Already Here: Adapting Pretrained Interpretable Features for Generative Recommendation

Thu, 29 Oct 2026 08:00:00 +0800

现有生成式推荐要专门训练 SID 词表，去拟合物品描述的语言模型表示。这篇论文发现，预训练好的稀疏自编码器已经给语言模型的特征配好了人能读懂的语义标注，特征编号本身就能当 SID 词表，不需要再学一套。他们的 API 框架把物品描述送进语言模型，取稀疏自编码器上被激活的特征编号组成物品编码，再训练一个适配器从用户历史里学偏好，同时还能用特征自带的语义标注，解释两个候选物品的得分为什么不同。

生成式推荐 · 评分 3.75 · Ziluowen Luo, Ruochen Liu, Jun Yin, Hao Yan, Zhengxuan Hu, Xinze Shi, Chaozhuo Li, Chengqi Zhang, S… · 原文

MAREval: A Multi-Agent Framework for Evaluating Natural Language Recommendation Explanations

Thu, 29 Oct 2026 08:00:00 +0800

推荐理由写得好不好，人工评估准但贵，单个大模型打分又容易受提示词影响、结果不稳定。MAREval 先让规划者给评估者、主持人和仲裁者写好每一轮的任务。评估者按相关性、措辞等标准打分并互相挑错，主持人把每轮分歧压成摘要供下一轮参考，仲裁者根据最后的摘要给分，整条流程独立跑多次再取平均。在公开基准和电商数据上，它和人工判断更一致，重复评估的波动明显更小；大规模人工标注检验中达到了上线质量线，线上 A/B 中实验组只展示通过 MAREval 的推荐理由，对照组不展示理由，参与度和收入指标显著提升。

生成式推荐 · 评分 3.65 · Reza Yousefi Maragheh, Jayesh Uddhav Kudase, Aysenur Inan, Ramin Giahi, Kai Zhao, Parth Parikh, Jia… · 原文