1. 问题与动机

推荐系统在过去十余年经历两次范式更迭：协同过滤/矩阵分解（机器学习时代）→ 深度神经网络（深度学习时代）。这两次更迭都共享同一个底层假设——把推荐建模为对固定候选集的判别式打分 (discriminative scoring)：学习评分函数 f(u,i)，再做 ranking。本文指出，这一假设正被新的浪潮打破：随着 LLM 和扩散模型的崛起，推荐被重新定义为'生成任务'，而不是'打分任务'。然而当前的工作呈碎片化状态——有的偏向用 LLM 直接做 token-level 推荐，有的偏向把 item ID 量化成 Semantic ID 进行自回归生成，有的偏向用扩散模型重构序列推荐，研究者很难判断这些路线的本质异同与适用边界。论文动机即是给生成式推荐这一新范式提供首份系统化分类。文中给出的核心数据是：判别式模型在大约 200B 参数量上停滞，而 Meta HSTU 在生成式架构下被推到 1.5T 量级仍持续受益（验证 scaling law）；Kuaishou OneRec 已在线上拿到 +1.68% 总观看时长，且推理成本仅是级联架构的 10.6%——这两个工业数据点是'判别式架构正在被取代'的最强论据，也是论文的现实动机。

2. 方法详解

综述提出 Data–Model–Task 三维统一框架来组织生成式推荐研究。

Data 维度（Section 3）：研究生成模型如何重塑'数据'本身，包含四类工作：(a) 内容增强 (ONCE, LLM-Rec, LRD, MSIT)，让 LLM 为 item 生成更丰富的自然语言描述；(b) 行为增强 (ColdLLM, LLM-FairRec)，针对冷启动和公平性生成虚拟交互序列；(c) 结构增强 (SBR, CORONA, LLM-KERec)，让 LLM 抽取物品-属性图谱；(d) 基于 Agent 的模拟 (Agent4Rec, AgentCF, STEAM)，用 LLM agent 当虚拟用户，用 multi-agent rollouts 生成可控的训练数据。

Model 维度（Section 4） 是综述的主体，区分三条技术路线：

• LLM-Based：把 LLM 当主推理器。代表工作 TALLRec / LlamaRec / CoRAL / CLLM4Rec 用 prompt + 微调把推荐转成 next-token-prediction；TIGER 进一步引入 RQ-VAE 把 item 量化成层次化 Semantic ID，再用 T5 类 seq2seq 做自回归召回。
• Large Recommendation Models：原生为推荐设计的大规模 Transformer。HSTU (Meta) 在自家流场景验证 scaling law，参数推到 1.5T；MTGR (Meituan) 引入 Group LayerNorm + 动态混合 mask 把交叉特征喂进生成式排序；OneRec/OneSug (Kuaishou) 用端到端生成替代召回-排序级联。
• Diffusion-Based：DiffRec / DreamRec / DiffRIS / DDSR 把序列推荐建模为去噪生成过程，把噪声 → 用户兴趣或 next-item embedding。

Task 维度（Section 5）：研究 task-level 的新形态——会话式推荐（用 LLM 做多轮 dialogue，对 free-form 表达进行兴趣消歧）、可解释推荐（自然语言理由）、跨域推荐、可控推荐（用 prompt 控制生成偏置）。

配套训练栈也被讨论：包含 RLHF / RLVR / DPO 风格的偏好对齐，以及 SFT + Continued Pretraining 在 Semantic ID 上的训练流程。推理侧重点提及 AtSpeed 用 speculative decoding 实现 2.2–2.5× 加速。

3. 核心技术贡献

(1) 三维统一框架：把 Data / Model / Task 三个维度作为正交分类轴，避免现有综述按时间或单一方法分类时出现的重复与遗漏。例如 Agent4Rec 既属于 Data（生成训练数据）又能视为 Task（用户模拟），三维框架明确把它归到 Data 但提示了横向引用——这种归类对工程团队选型有清晰指导。

(2) 将 Semantic ID 与 LLM token 视为两种 item 表示哲学：综述明确指出 TIGER 系（Semantic ID + 自回归 seq2seq）与 TALLRec 系（直接 LLM token + 微调）在工程上的本质差异——前者推理快、词表小、易冷启动；后者天然能融入 prompt 信号但 vocabulary 爆炸。这对实际选型很关键。

(3) scaling law 验证：引用 HSTU 的 1.5T 与判别式 200B 停滞的对照，确立'生成式范式才能持续 scale'这一论点，为整个范式的存在合法性提供工业证据。

(4) task-level 创新分类：把会话推荐、可解释推荐、跨域、可控生成视为生成式范式独占的应用形态，相当于划定了'判别式做不到、必须靠生成'的最小价值边界。

4. 实验结果分析

作为综述，本文不做新模型实验，但对关键工业数据做了横向对比：

关键观察：(a) Meta、Kuaishou、Meituan 三家用三种不同的生成式架构都拿到了线上正向，说明范式收益是结构性的，不是某个 trick；(b) OneRec 的 10.6% 成本是颠覆性的——传统级联架构 vs. 端到端生成不仅效果更好，成本反而更低，这与一般人的直觉相反；(c) AtSpeed 的 speculative decoding 移植到推荐 serving 是一个被低估的工程方向，因为推荐输出长度短、batch 大，speculative 收益可能比通用 LLM 还高。

失败模式被简要提及：扩散类方法 (DiffRec 系) 在显式反馈数据集表现好，在稀疏的隐式反馈数据上仍弱于 LLM-based；冷启动场景下 Agent4Rec 类生成数据有 distribution mismatch 风险。

5. 局限与未来方向

作者明确列出三大开放挑战：

Data 层面：(1) 用 LLM 合成的训练数据存在分布偏置，长期 self-training 会导致 model collapse；(2) Semantic ID 的语义一致性如何与新增 item 持续对齐仍是开放问题；(3) 多模态生成数据的对齐（文本/图/音频）尚缺成熟方案。

Model 层面：(1) 鲁棒性——生成式架构对噪声 token、长尾 item 更敏感；(2) 效率——大模型推理延迟仍是 serving 瓶颈，speculative decoding 等加速方法刚刚起步；(3) 泛化性——跨域、跨场景的 transfer 能力没有充分验证。

Deployment 层面：(1) latency / scalability——端到端生成在 P99 上的稳定性仍需打磨；(2) 与传统判别式系统的混合部署策略缺乏 best practice；(3) AB 测试方法论需要重新设计，因为生成式系统的输出空间不再是固定候选集。

作者未提及的局限（评论者补充）：生成式推荐对'公平性 / 多样性 / 可解释性合规'的影响缺乏系统评估，这在国内监管环境下是个不能忽视的工程点。

6. 工业实践意义

对搜索/推荐团队的具体启示：

应该尽快做的事：(1) 为站内 item（UGC 帖子、商品、视频）建立 Semantic ID 体系（RQ-VAE 或 RQ-KMeans 量化），这是几乎所有生成式路线的共同底座，先把 ID 建好相当于占领高地；(2) 把 LLM-as-data-generator 当作冷启动和长尾增强的常规工具（参考 ColdLLM），ROI 高、风险低；(3) 在小流量场景试 TIGER 风格的端到端召回，对比当前 HNSW + DSSM 的两阶段架构。

应该试的事：HSTU 风格的大尺度生成式排序——参数 100M–1B 量级即可见效，不必直接奔 1T。Meituan MTGR 表明在'交叉特征 + 自回归生成'的组合下，判别式 DIN/SIM 系是可以被替代的，且 scaling 路径更通畅。

应该警惕的事：(1) 直接把 LLM 当推理器（TALLRec 系）在大流量短延迟场景仍很难落地，延迟与成本是硬约束；(2) Agent-based simulator 用作离线评估时要严防 distribution mismatch；(3) 不要被'端到端生成'迷惑——OneRec 的成本红利来自'去除级联中冗余打分阶段'，前提是召回侧足够强、Semantic ID 足够好。

部署考量：典型 serving 栈应包含：Semantic ID embedding 表（few GB）、生成式主模型（10B 内为佳）、speculative decoder（draft model 1B 内）、生成结果的多目标 rerank（保留小型判别式 head 做最后一公里融合）。这与 OneRec/AtSpeed 报告的'10.6% 成本 + 2.2–2.5× speedup'路径自洽。

综上，本综述的最大价值是把碎片化的生成式推荐工作整合成可执行的工程蓝图——读完即可决定团队下一年技术路线是 LLM-Based、Large Rec Model 还是 Diffusion 哪一条。对中国互联网搜推团队而言，Kuaishou/Meituan 的成功案例尤其值得逐字精读。