2026-03-24 Personalization · 个性化推荐论文日报（第 24 期）

2026-03-24 周二 · Personalization

今日场景社区搜索 (UGC 短文本搜索): 用户在社区平台搜索帖子、问答、评论等 UGC 内容。核心指标是搜索相关性 (nDCG) 和点击率 (CTR)。关注：语义匹配、query 理解、短文本召回、排序模型、LLM 在搜索中的应用。 — 评分 335 篇，入选 10 篇，分数 3.20 – 4.40

本期目录 · 10 篇

01SaFRO: Satisfaction-Aware Fusion via Dual-Relative Policy Optimization for Short-Video Search
02AIGQ: An End-to-End Hybrid Generative Architecture for E-commerce Query Recommendation
03GenFacet: End-to-End Generative Faceted Search via Multi-Task Preference Alignment in E-Commerce
04From Token to Item: Enhancing Large Language Models for Recommendation via Item-aware Attention Mechanism
05MOSAIC: Modular Opinion Summarization using Aspect Identification and Clustering
06How Well Does Generative Recommendation Generalize?
07The Prosocial Ranking Challenge: Reducing Polarization on Social Media without Sacrificing Engagement
08Maximizing mutual information between user-contexts and responses improve LLM personalization with no additional data
09DALI: LLM-Agent Enhanced Dual-Stream Adaptive Leadership Identification for Group Recommendations
10Reviewing the Reviewer: Graph-Enhanced LLMs for E-commerce Appeal Adjudication

LEAD STORY · 今日必读

SaFRO: Satisfaction-Aware Fusion via Dual-Relative Policy Optimization for Short-Video Search

该论文针对短视频搜索场景中多任务融合排序问题，提出 SaFRO 框架。现有方法主要优化即时参与度指标（如点击率），难以与长期用户满意度对齐。SaFRO 首先构建基于 query 级行为代理的满意度感知奖励模型，捕捉超越单次交互的整体用户满意度；然后引入 Dual-Relative Policy Optimization (DRPO)，一种高效的策略学习方法，通过双重相对性约束优化融合策略。该方法有效缓解了搜索场景中数据稀疏和意图约束带来的 RL 应用难题。

📖 深度解读 · 7 分钟 arXiv ↗

4.40

综合分 / 5
偏好调整 4.50

KEY INSIGHT · 对业务意味着什么SaFRO 的核心创新在于将 RL 从推荐 feed 场景迁移到搜索场景：(1) query 级别而非 item 级别建模满意度，更适合搜索中「一次查询多次浏览」的交互模式；(2) DRPO 通过双重相对性（策略间+样本间）减少方差，解决搜索中 RL 数据稀疏问题。对搜索排序系统而言，这提供了一种从优化 CTR 转向优化用户满意度的可行路径，尤其适用于短视频/UGC 搜索等即时反馈与长期满意度不一致的场景。

Renzhe Zhou, Songyang Li, Feiran Zhu, Chenglei Dai, Yi Zhang, Yi Wang, Jingwei Zhuo · 2026-03-23 · arXiv

独立页面阅读 ↗

1. 问题与动机

短视频搜索系统中的多任务融合（Multi-Task Fusion, MTF）是将异构预测信号（点击率、播放时长、点赞率等）聚合为统一排序分的关键环节。现有方法主要优化即时参与度指标，但这往往与长期用户满意度不一致——用户可能点击了但并不满意。

将强化学习（RL）应用于搜索满意度优化面临两个根本挑战：(1) 数据极度稀疏——在快手平台上，搜索的正向交互密度仅为推荐 feed 的十分之一，用户搜索行为序列长度比推荐序列短两个数量级；(2) 意图约束——搜索由明确的 query 驱动，用户通常只浏览少量结果就结束会话，使得将长期结果归因到具体排序决策变得极其困难。

2. 方法详解

2.1 满意度感知奖励建模

SaFRO 创新性地构建 query 级（而非 item 级）满意度代理信号：

查询重构（Query Reformulation）：用户是否发出语义相关的后续查询，作为不满意的强负向指标。若发生重构，满意度奖励直接置零。
会话间隔（Session Gap）：当前查询与下次查询的时间间隔，经用户历史 β 分位数基线归一化后指数衰减： $s_{g a p} = exp (- \tilde{g} / T)$ 。

两者通过复合公式融合： $r_{s a t} = (1 - I_{re f or m}) \cdot [α \cdot exp (- \tilde{g} / T) + (1 - α) \cdot I_{re t}]$ ，其中 α=0.5 为最优平衡点（Pearson 相关性分析验证）。

在此基础上训练列表级奖励模型 $R_{ϕ}$ ，将用户-query 上下文和排序列表特征映射为标量满意度分数。

2.2 Dual-Relative Policy Optimization (DRPO)

DRPO 是论文的核心算法创新，在标准 GRPO 的组内相对优势之上引入批次级上下文：

双重优势分解：对每个状态 $q_{i}$ 生成 G 个候选动作，计算：

组内相对优势： $A_{g}^{i, g ro u p} = (r_{g}^{i} - μ^{i}) / σ^{i}$
批次相对优势： $A_{g}^{i, ba t c h} = (μ^{i} - μ_{ba t c h}) / σ_{ba t c h}$
双重优势： $A_{g}^{i, d u a l} = A_{g}^{i, g ro u p} + A_{g}^{i, ba t c h}$

关键性质：(1) 不变局部排序——任意两个动作的偏好序仅由组内项决定，保持细粒度区分；(2) 梯度自然分解为两项——Term I 负责组内排序，Term II 作为动态调制因子，放大高质量 query 的梯度并抑制低质量 query 的梯度。

2.3 复合奖励与 TRAF 模块

训练使用复合奖励 $r = r_{e n g} + r_{s a t} + r_{f m t}^{a} + r_{f m t}^{r}$ ，包含参与度奖励（NDCG 风格）、满意度奖励、以及格式约束（权重和约束和相关性约束）。

Task-Relation-Aware Fusion (TRAF) 模块通过可学习的 task 关系矩阵建模任务间依赖： $\tilde{z}_{i} = g a t e_{i} \cdot z_{i} + \sum_{j} so f t ma x (e_{ij}) \cdot z_{j}$ ，使融合权重能根据上下文自适应调整。

2.4 训练设置

基于快手搜索平台 21.5 亿 session 数据训练。DRPO 使用组大小 G=32，熵系数 β=0.05，PPO 风格的裁剪比率。

3. 核心技术贡献

Query 级满意度建模：首次在工业搜索系统中提出基于查询重构率和会话间隔的满意度代理，解决了搜索场景中 item 级信号稀疏的问题。相比 item 级建模，query 级信号与搜索的"一次查询多次浏览"交互模式更匹配。

DRPO 算法：在 GRPO 基础上引入批次级上下文，数学上证明了梯度分解为组内排序项和批次重加权项。消融实验显示去除批次优势后 NDCG 和满意度均显著下降。

TRAF 融合模块：通过注意力机制建模任务间关系，使权重分配能感知任务间的耦合关系（如长播与点击的正相关、相关性与点击的互补关系）。

端到端 RL 优化搜索满意度：将参与度、满意度和格式约束统一到复合奖励函数中，在工业规模搜索系统上实现了 RL 的成功应用。

4. 实验结果分析

离线实验

在快手 21.5 亿 session 数据集上，SaFRO 在所有 7 个指标上达到 SOTA：

指标	SaFRO	最强基线(AURO)	提升
NDCG	0.6431	0.6384	+0.7%
Satisfaction	0.8022	0.7962(RLUR)	+0.8%
Relevance	0.8656	0.8467(AURO)	+2.2%
User Retention	0.8173	0.8054(DCN)	+1.5%

值得注意的是，传统 LTR 方法（LambdaRank/NeuralNDCG）在 NDCG 上表现可接受，但满意度和留存显著落后，验证了即时指标与长期满意度的脱节。

消融实验

去除满意度模型（w/o SAT）：满意度和留存急剧恶化，NDCG 也下降——证明满意度信号对短期指标也有正向作用
去除批次优势（w/o Batch-Adv）：NDCG 和长期指标均显著下降
去除 TRAF 模块：除相关性外各指标一致下降

在线 A/B 实验

在快手搜索平台 10% 流量部署两个月：

查询重构率：-0.319%（满意度提升的直接证据）
点击率：+0.136%
长播比率：+0.495%
观看时长：+0.611%

留存轨迹在 60 天内持续与基线拉开差距（p<0.05）。

超参数敏感性

组大小 G：G=32 在满意度和留存上最优，G=16 在 NDCG 上最优，选择 G=32 作为平衡
熵系数 β：倒 U 形曲线，β=0.05 最优；β=0.01 探索不足，β=0.30 过度正则化

5. 局限与未来方向

作者明确指出的局限：

当前聚焦于离散动作空间（通过权重分箱），尚未探索连续动作空间
满意度模型的训练数据质量依赖性
超参数需要针对数据集调优

作者提出的未来方向包括扩展到其他搜索模态、利用 LLM 获取更丰富的状态表征、以及探索生成式架构突破传统打分方法的局限。

6. 工业实践意义

直接可采纳点：

满意度代理设计：查询重构率和会话间隔是低成本且通用的满意度信号，任何搜索系统都可以构建。对 UGC 社区搜索，用户是否重新搜索、何时离开是现成的满意度度量。
DRPO 算法：相比标准 GRPO，实现复杂度增加有限（仅额外计算批次级统计量），但提供了更稳定的训练和更好的泛化。

部署考量：

SaFRO 已在快手搜索（4 亿+ DAU、8 亿+ 内容、21.5 亿 session）上线，证明了工业可行性
RL 训练需要在线策略采样，对基础设施有一定要求
满意度奖励模型需要定期更新以适应用户行为变化

适用场景：

特别适合即时参与度与长期满意度不一致的场景（短视频、UGC 内容、新闻搜索等）
搜索场景中 RL 数据稀疏是普遍问题，DRPO 的双重相对性设计为此提供了通用解法

今日其余入选

9 篇 · 按综合排名

02 4.35

AIGQ: An End-to-End Hybrid Generative Architecture for E-commerce Query Recommendation

Alibaba📖 有深读 · 9 分钟

AIGQ 是淘宝首页「猜你想搜」（HintQ）场景的首个端到端生成式 query 推荐框架。传统方法依赖 ID 匹配和共点击启发式，面临语义浅层、冷启动差、偶然发现率低等问题。AIGQ 提出三大创新：Interest-Aware List SFT (IL-SFT) 通过 session 感知行为聚合和兴趣引导重排序构建训练样本；Interest-aware List GRPO (IL-GRPO) 设计列表级策略优化算法；以及适合工业部署的混合生成架构。该系统已在淘宝上线部署。

INSIGHTAIGQ 的实践价值在于将 LLM 生成能力引入 query 推荐这一高流量入口场景：(1) 列表级而非单条级建模用户意图，更贴近实际搜索行为；(2) IL-GRPO 将 GRPO 从文本生成扩展到推荐列表优化，平衡相关性与多样性；(3) 混合架构兼顾生成质量和在线延迟。对 UGC 搜索场景，query 推荐是引导用户发现内容的关键环节，AIGQ 的生成式方案可有效解决长尾 query 和冷启动问题。

Jingcao Xu, Jianyun Zou, Renkai Yang, Zili Geng, Qiang Liu, Haihong Tang

arXiv·2026-03-23·Relevance 4 · Novelty 4 · Practical 5 · Evidence 4 · Timely 5

独立页面阅读 ↗

1. 问题与动机

淘宝首页"猜你想搜"（HintQ）是用户进入搜索的关键入口，每日服务数亿用户。传统 HintQ 方案依赖 ID 匹配和共点击启发式，面临三个核心问题：(1) 语义浅层——ID-based 匹配只能捕捉显式共现，无法理解用户意图的语义深度；(2) 冷启动差——新 query 或低频 query 无法获得足够的共现信号；(3) 偶然发现率低——基于历史行为的匹配倾向于推荐同质化内容，缺少惊喜感。

embedding-based 方案虽部分缓解语义问题，但静态的 context-to-query 映射仍难以捕捉用户多元兴趣。更关键的是，当生成的 query 进入下游 CTR 排序模型时，语义合法性与用户偏好之间存在对齐缺口。

2. 方法详解

2.1 Interest-Aware List SFT (IL-SFT)

AIGQ 将 query 推荐建模为有序列表生成任务（而非逐 token 的下一个预测）。设计了两个变体：

AIGQ-Direct：从生产排序输出生成平铺的 K-query 列表。使用曝光级 session 数据，仅保留至少一条被点击的三条展示 query 组成的 session。
AIGQ-Think：推理增强变体，遵循两阶段认知过程——(1) 从用户行为归纳多兴趣触发集 {T_k}；(2) 为每个兴趣生成 query 列表 Q_k。使用 Qwen3-32B 生成自然语言推理链（rationale），产出可解释可控的输出。

2.2 用户上下文工程

行为内容表征：用微调的 Qwen3-32B 将结构化商品元数据（标题、类目、属性、标签）转化为统一文本描述。采用统一 schema："index — time — behavior type — behavior content"。

Prompt 压缩：两步优化——(1) 离散字段（时间戳、行为类型）编码为特殊 token，初始化为构成子词的平均 embedding；(2) 指令剪枝，消除冗余解释性文本。例如"1—1 day ago — search — iPhone17"压缩为"<1><1_day_ago><search> iPhone17"。

2.3 Interest-aware List GRPO (IL-GRPO)

核心算法创新——在 query 位置粒度上进行细粒度优势估计的列表级策略优化：

双层奖励设计：

Query 级： $R_{q u ery} (q_{i, j}) = \sum_{m} w_{m} r_{m} (q_{i, j})$ ，评估用户偏好对齐（CTR 模型近似）、语义忠实度（ROUGE-L）、查询一致性（长度约束）
序列级： $R_{se q} (o_{i}) = R_{f m t} (o_{i}) + R_{re p} (o_{i})$ ，确保格式正确和非重复

优势计算： $A_{i, t} = [R_{q u ery} (q_{i, j}) - μ_{j}^{Q}] / σ_{j}^{Q} + λ [R_{se q} (o_{i}) - μ^{S}] / σ^{S}$

位置特定归一化 $(μ_{j}^{Q}, σ_{j}^{Q})$ 确保不同位置的 query 在各自位置上公平比较。

持续 CTR 奖励自适应： $r_{CTR} (q_{j}) = Cl i p (γ \cdot \overset{p}{^}_{ϕ_{T}} (q_{j} ∣ u), 0, β)$ ，采用日更新周期：每天用新数据更新 CTR 模型，再用更新后的奖励函数更新策略，对抗数据漂移。

AIGQ-Think 的解耦触发奖励：trigger 侧使用 ROUGE-L 作为奖励，与 query 侧严格信号分离，防止推理和推荐之间的梯度干扰。

训练稳定化：动态熵正则化（线性衰减权重）+ 熵自适应裁剪（基于 token 熵阈值 τ 设置差异化裁剪边界）。

2.4 在线部署架构

AIGQ-u2q 近线召回：异步推理与用户请求解耦，结果缓存在用户级 KV 表中。集成到现有多源召回栈。牺牲少量个性化时效性换取延迟可控。

AIGQ-x2q 实时召回：将 AIGQ-Think 的 CoT 输出蒸馏为紧凑的 trigger-to-query 索引，日级离线更新。排序通过复合评分 $S_{f ina l} (x, q) = α \cdot S_{re l} (x, q) + (1 - α) \cdot S_{e ff} (q)$ 。

2.5 训练配置

基座模型 Qwen3-30B-A3B（300亿稀疏 MoE），SFT 训练 2 个 epoch、batch size 1024、学习率 2e-3（Megatron 框架），IL-GRPO 使用 ROLL 框架、rollout batch size 512、学习率 1e-6、每输入 8 个采样、温度 1.0。

3. 核心技术贡献

列表级建模范式：首次将 query 推荐从单条生成扩展到有序列表生成，IL-SFT 和 IL-GRPO 在列表粒度上建模用户意图，更贴近实际搜索行为（一次展示 3 条 query）。

推理增强的 AIGQ-Think：引入多兴趣触发归纳和推理链，使模型能"先思考后生成"。Qwen3-32B 的师生蒸馏使推理能力可迁移到部署模型。消融实验显示推理增强带来 Cate HR@30 +4.9% 的提升。

位置感知的细粒度优势估计：IL-GRPO 的位置特定归一化确保列表中不同位置的 query 在公平基线上比较，避免头部位置主导梯度更新。

持续自适应奖励：CTR 模型日更新+策略日更新形成闭环，10 天 A/B 实验验证了持续更新对 PVR 和 CTR 的一致提升。

4. 实验结果分析

离线评估

在淘宝 2025 年 10-11 月日志上（约 100 万 PV），与多个强基线对比：

模型	Cate HR@30	Query HR@30	Sem. Sim.
EBR (embedding-based)	0.1998	0.0100	0.5198
Qwen3-30B (zero-shot)	0.3054	0.0022	0.5554
GPT-5.1 (zero-shot)	0.3353	0.0021	0.5606
AIGQ-Direct (SFT)	0.4181	0.0428	0.5926
AIGQ-Think (IL-SFT+IL-GRPO)	0.4704	0.0745	0.6624

关键发现：零样本 LLM 在 Cate HR@30 上超越 EBR 50%+，证明了 LLM 的内在语义理解能力。AIGQ-Think 全链路优化后相比最强零样本模型 GPT-5.1 提升 40%。

消融分析

组件贡献量化：

兴趣引导标签重排序：+0.8% Cate HR
Prompt 压缩：+0.5% Cate HR
IL-GRPO（AIGQ-Direct）：+9.3% Cate HR
推理增强（AIGQ-Think vs Direct）：+4.9% Cate HR
IL-GRPO（AIGQ-Think）：Cate HR +1.1%, Query HR +35.6%（query 精确匹配的巨大提升）

在线 A/B 实验（30 天生产部署）

指标	变化
HintQ UCTR	+7.42%
归因订单数	+10.31%
归因 GMV	+10.68%
7 日留存	+3.73%
搜索 UV	+0.20%

发现独特性指标：AIGQ 生成的独特 query 中 79.3% 未被其他通道覆盖，独特叶子类目 37.3% 未被覆盖——证实了生成式方案在拓展搜索覆盖上的优势。

5. 局限与未来方向

作者隐含承认的局限：

纯文本理解：当前方案仅处理文本化的商品信息，缺乏多模态（图片、视频）上下文理解，而电商场景中视觉信息对用户意图的影响不可忽视
推理延迟：AIGQ-Think 的推理增强带来显著计算开销，虽通过近线缓存+离线索引规避了在线延迟问题，但这本质上是延迟-时效性的折中（用户最新行为只能在下次访问时反映）
日级更新频率：CTR 模型和策略的日更新可能无法捕捉快速变化的热点趋势

6. 工业实践意义

直接可采纳的设计：

近线+离线混合架构：将 LLM 推理解耦到异步管线，缓存用户级结果 + 离线蒸馏触发索引，是大模型落地推荐系统的实用范式。对 UGC 搜索同样适用——可异步为用户生成个性化搜索建议。
列表级训练范式：IL-SFT 和 IL-GRPO 的列表级建模直接适用于任何展示多条结果的推荐/搜索场景。
持续奖励自适应：日级 CTR 模型更新+策略更新的闭环设计简单有效，值得在在线学习场景中推广。

部署资源参考：

基座 Qwen3-30B-A3B，训练使用 PPU 810E，SFT+GRPO 全流程
在线推理通过近线缓存+离线索引实现，对实时延迟影响可控

对 UGC 搜索的启示：

UGC 内容（帖子、问答）同样存在 query 推荐的冷启动问题，AIGQ 的生成式方案可直接迁移
79.3% 的独特 query 覆盖率证明生成式方法在拓展长尾搜索需求上的巨大潜力
推理增强（AIGQ-Think）特别适合需要理解用户多元兴趣的场景

03 4.35

GenFacet: End-to-End Generative Faceted Search via Multi-Task Preference Alignment in E-Commerce

JD.com

GenFacet 是京东部署的工业级端到端生成式分面搜索框架。传统分面搜索依赖静态规则或统计排序，面临新词汇覆盖不足、语义鸿沟、分面选择与检索脱节等问题。GenFacet 将分面搜索重构为统一 LLM 内的两个耦合生成任务：上下文感知的分面生成（动态合成响应趋势的导航选项）和意图驱动的查询改写（将用户交互转化为精确搜索查询）。训练采用结合师生蒸馏与 GRPO 的多任务训练管线，实现对复杂用户偏好的对齐。

INSIGHTGenFacet 的关键启示在于用 LLM 统一分面搜索的两个核心子任务（分面生成+查询改写），形成端到端闭环：(1) 生成式分面可动态响应新词汇和趋势，解决传统方法的静态性问题；(2) GRPO 用于多任务偏好对齐，在搜索效用和生成质量间取得平衡；(3) 师生蒸馏使大模型能力迁移到可部署模型。这为搜索系统中引入 LLM 提供了实际落地参考，尤其是在 query 理解与搜索导航的结合上。

Zhouwei Zhai, Min Yang, Jin Li

arXiv·2026-03-23·Relevance 4 · Novelty 4 · Practical 5 · Evidence 4 · Timely 5

04 3.75

From Token to Item: Enhancing Large Language Models for Recommendation via Item-aware Attention Mechanism

该论文重新审视 LLM 推荐系统中 token 的角色，发现现有方法继承标准 attention 机制导致只建模 token 级关系，忽视了 item 作为推荐基本单元的重要性。论文将 token 关系分为两类：item 内 token 关系（表达内容语义，如名称、颜色、尺寸）和 item 间 token 关系（编码协同过滤信号）。基于此洞察，提出 item-aware attention 机制框架，在 attention 层面区分并分别建模这两类关系，从而在 LLM 推荐中有效捕捉 item 级协同关系。

INSIGHT该论文揭示了 LLM 推荐中一个被忽视的根本问题：标准 attention 将 item 打散为 token 序列后，丧失了 item 作为推荐基本单元的整体性。item-aware attention 的设计思路是在 attention 计算中引入 item 边界感知，分离语义理解和协同信号。这对构建 LLM 推荐系统有直接指导意义——简单地将 item 文本拼接输入 LLM 是不够的，需要在架构层面保留 item 级别的结构信息。

Xiaokun Zhang, Bowei He, Jiamin Chen, Ziqiang Cui, Chen Ma

arXiv·2026-03-23·Relevance 4 · Novelty 4 · Practical 3 · Evidence 3 · Timely 5

05 3.85

MOSAIC: Modular Opinion Summarization using Aspect Identification and Clustering

MOSAIC 提出一个面向工业部署的模块化评论摘要框架，将端到端摘要分解为可解释的组件：主题发现、结构化观点提取和有据摘要生成。论文通过在线产品页面的 A/B 实验验证，展示中间输出（如结构化观点和主题聚类）在完整摘要部署之前就能改善用户体验并带来可衡量的商业价值。离线实验表明 MOSAIC 在方面覆盖度和忠实度上优于强基线。

INSIGHTMOSAIC 对 UGC 搜索场景有直接参考价值：(1) 模块化设计使系统可渐进部署，中间结果（主题标签、结构化观点）本身就有商业价值；(2) 观点聚类可用于搜索结果的多角度展示和 facet 生成；(3) 在线 A/B 实验证明了评论结构化对用户体验的正向影响。对社区搜索而言，用户生成内容的结构化摘要是提升搜索结果可读性和相关性的重要方向。

Piyush Kumar Singh, Jayesh Choudhari

arXiv·2026-03-23·Relevance 4 · Novelty 3 · Practical 4 · Evidence 4 · Timely 5

06 3.55

How Well Does Generative Recommendation Generalize?

该论文系统性地验证了「生成式推荐模型泛化能力更强」这一假设。通过将数据实例分为记忆类（复用训练中观察到的 item 转移模式）和泛化类（组合已知模式预测未见过的 item 转移），发现：GR 模型在需要泛化的实例上表现更优，而 item ID 模型在记忆更重要时更强。进一步从 token 级分析揭示，GR 模型的 item 级泛化本质上常归结为 token 级记忆。

INSIGHT该研究对推荐系统选型有重要指导意义：(1) GR 模型和 ID 模型各有优势领域，选择应取决于场景中记忆 vs 泛化的需求比例；(2) GR 看似在 item 级泛化的能力，实际可能源于 token 级的模式复用而非真正的组合泛化——这提醒我们不要过度解读 GR 的泛化能力；(3) 对 UGC 搜索等长尾分布明显的场景，需要评估 GR 在冷启动 item 上的真实表现。

Yijie Ding, Zitian Guo, Jiacheng Li, Letian Peng, Shuai Shao, Wei Shao, Xiaoqiang Luo, Luke Simon, J...

arXiv·2026-03-23·Relevance 3 · Novelty 4 · Practical 3 · Evidence 4 · Timely 5

07 3.65

The Prosocial Ranking Challenge: Reducing Polarization on Social Media without Sacrificing Engagement

该论文报告了首次在多个社交媒体平台上直接对比多种替代排序算法的大规模实验。通过浏览器扩展修改桌面用户的 feed 排序，将 9,386 名用户随机分配到对照组或 5 种替代排序算法，跨 Facebook、Reddit、X/Twitter 三个平台运行 6 个月（覆盖 2024 美国大选期间）。结果显示替代算法平均降低情感极化 0.03 标准差（p<0.05），Facebook 使用时长减少 0.37 分钟/天，但 X/Twitter 增加 0.32 分钟/天。

INSIGHT该研究是排序算法社会影响的里程碑式实验：(1) 证明了可以在不大幅牺牲用户参与度的前提下降低极化——这对内容社区的排序策略设计有重要参考；(2) 跨平台效果差异（Facebook 降低使用时长 vs X 增加）揭示了排序算法效果的平台依赖性；(3) 实验方法（浏览器扩展进行 A/B 测试）为第三方评估排序算法提供了可行范式。

Jonathan Stray, Ian Baker, George Beknazar-Yuzbashev, Ceren Budak, Julia Kamin, Kylan Rutherford, Ma...

arXiv·2026-03-23·Relevance 3 · Novelty 3 · Practical 4 · Evidence 5 · Timely 5

08 3.45

Maximizing mutual information between user-contexts and responses improve LLM personalization with no additional data

该论文提出 Mutual Information Preference Optimization (MIPO)，一种无需额外数据的 LLM 个性化自改进框架。MIPO 通过对比数据增强构建偏好对：正样本基于正确 prompt 生成响应，负样本基于随机无关 prompt 生成。使用 DPO 学习该偏好数据等价于最大化 prompt 和模型响应之间的逐点条件互信息。实验表明 MIPO 在个性化任务上提升 LLM 对用户上下文的敏感度，无需人工标注或外部验证器。

INSIGHTMIPO 的核心思路——通过最大化用户上下文与响应的互信息来提升个性化——可迁移到推荐场景：(1) 将用户画像/行为序列视为 context，推荐结果视为 response，同样可以通过互信息最大化增强个性化；(2) 对比增强的思路（正确用户 vs 随机用户）可用于训练更敏感的用户表征模型；(3) 不依赖外部标注的自改进范式对数据获取困难的搜索个性化场景有吸引力。

Hyunji Nam, Haoran Li, Natasha Jaques

arXiv·2026-03-23·Relevance 3 · Novelty 4 · Practical 3 · Evidence 3 · Timely 5

09 3.20

DALI: LLM-Agent Enhanced Dual-Stream Adaptive Leadership Identification for Group Recommendations

DALI 框架结合 LLM 的符号推理能力与神经网络表征学习，解决群组推荐中的领导者识别问题。现有方法无论是手工聚合规则还是神经聚合模型，都难以区分领导主导型和协作型群组。DALI 引入两个关键创新：动态规则生成模块自主制定和评估群组动态假设；双流自适应识别机制区分不同群组决策模式。这使系统能更准确捕捉真实群组偏好，尤其在单个成员影响力不成比例时。

INSIGHTDALI 将 LLM 的推理能力引入群组推荐的一个具体问题（领导者识别），提供了 LLM+传统模型结合的参考模式：(1) LLM 负责高层推理（动态规则生成），神经网络负责表征学习，各取所长；(2) 双流架构区分不同群组决策模式，避免了一刀切的聚合策略。对社区搜索中的社群/小组内容推荐有一定参考价值。

Boxun Song, Min Gao, Jiawei Cheng

arXiv·2026-03-23·Relevance 3 · Novelty 3 · Practical 3 · Evidence 3 · Timely 5

10 3.20

Reviewing the Reviewer: Graph-Enhanced LLMs for E-commerce Appeal Adjudication

该论文针对电商平台层级审核流程（Maker-Checker 模式）中的纠正信号学习问题，提出 Evidence-Action-Factor-Decision (EAFD) 模式和冲突感知图推理框架。EAFD 通过操作接地约束防止 LLM 幻觉，显式冲突建模使系统能从纠正信号中学习。该方法将审核流程中隐含的信息不对称问题转化为可建模的图结构推理任务。

INSIGHTEAFD 框架的操作接地（operational grounding）思路对搜索/推荐系统中的质量控制有借鉴意义：(1) 在 LLM 推理中引入可验证的操作约束，有效降低幻觉风险——这对任何使用 LLM 做决策的搜索系统都重要；(2) 从 Maker-Checker 纠正信号中学习的方法可迁移到搜索相关性标注的质量提升；(3) 图结构对冲突信息的建模为复杂决策提供了系统化方案。

Yuchen Du, Ashley Li, Zixi Huang

arXiv·2026-03-23·Relevance 3 · Novelty 3 · Practical 3 · Evidence 3 · Timely 5

其他赛道今日

点击切换

Generative

生成式推荐 · 篇入选 AI Search

AI 搜索 · 篇入选 Agentic

智能体搜索 · 篇入选 Infra

系统与索引 · 篇入选