2026-10-13 周二 · Personalization

独立报告页 · 在站内浏览(含往期切换)→
Generative生成式推荐 · 2 篇Personalization个性化推荐 · 4 篇AI SearchAI 搜索 · 6 篇Agentic智能体搜索 · 10 篇Infra系统与索引 · 10 篇

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 60 篇,入选 4 篇,分数 3.25 – 3.65

本期目录 · 4 篇
  1. 01Enriching Sequential Recommendation with Graph Laplacian Positional Embeddings
  2. 02Recommendation World Models for Future-State Control
  3. 03MATE: Adaptive Long- and Short-Term User Memory for LLM-Based Recommendation
  4. 04Turning Opportunistic AI Inference Capacity Into Better Ads Recommendations
LEAD STORY · 今日必读 · HSE

Enriching Sequential Recommendation with Graph Laplacian Positional Embeddings

该研究用训练期物品共现图的归一化拉普拉斯特征向量替代 SASRec 的可学习位置编码,主干与全目录交叉熵训练保持不变。在四个公开数据集、十次随机留出评估中,Clothing 的 NDCG@10 从 0.89% 升至 1.11%,Yelp2018 的 NDCG@100 从 4.98% 升至 5.93%。

相关 4新颖 3实用 4证据 4时效 3
3.65
综合分 / 5
偏好调整 3.70
KEY INSIGHT · 对业务意味着什么社区 UGC 搜索的个性化排序可先离线构建帖子共现图,再以冻结结构向量增强行为序列,减少在线图计算。应同时比较无位置编码和 RoPE 基线:Yelp2018 的 NDCG@10 上 RoPE 为 2.56%,高于该方法的 2.38%,因此图信号的价值取决于数据与截断位置,不能宣称全面胜出。
Trushkova, Ekaterina, Gimranov, Artur, Lysenko, Anton · 2026-09-25 · arXiv

今日其余入选

3 篇 · 按综合排名
02 3.55

Recommendation World Models for Future-State Control

UA-TWM 在现有序列排序器周围构造邻近列表,预测未来用户状态,并用效用与失败风险约束选择替代列表。研究覆盖十二种主干和两个日志数据集;MovieLens-25M 上 SASRec 的 NDCG@20 从 0.0371 升至 0.0415,KuaiRand-Pure 从 0.0257 升至 0.0280,同时降低未来状态偏差。

INSIGHT对于社区帖子排序,可将即时点击与后续兴趣分布共同纳入列表选择,而不是仅提高单次 CTR。工程上先保留原列表作为回退,并在固定候选支持下校准效用与风险门槛;论文日志回放不能直接证明因果线上收益,闭环模拟结果也需要真实用户实验复核,特别应防止目标追求牺牲相关性。

Xu, Jinfeng, Chen, Zheyu, Peng, Ziyue, Tang, Jianheng, Lin, Zheng, Yang, Jing, Wu, Puzhen, Xing, Zhe...
arXiv·2026-09-25·Relevance 4 · Novelty 4 · Practical 3 · Evidence 3 · Timely 3
03 3.30

MATE: Adaptive Long- and Short-Term User Memory for LLM-Based Recommendation

MATE 根据历史重复支持与最近行为一致性,分别更新长期和短期用户记忆,并用近期上下文动态融合。共享模型在适配时保持冻结;三个数据集的 NDCG@10 相对最强外部基线提高约 7.0%—13.2%。但冻结测试期记忆的消融结果与完整模型在报告精度上相同,尚未证明持续在线写入的额外收益。

INSIGHT社区搜索可以借鉴长期稳定兴趣与即时查询上下文分开读取的设计,先在离线回放中评估对反复主题和兴趣切换的作用。每用户两块记忆占约 1 MiB,候选打分开销相对基础模型变化不超过 3%,事件总处理成本却增加约 27.1%—37.7%;上线前需验证状态存储成本与真实 CTR 收益。

Hou, Yu
arXiv·2026-10-05·Relevance 4 · Novelty 3 · Practical 3 · Evidence 3 · Timely 3
04 3.25

Turning Opportunistic AI Inference Capacity Into Better Ads Recommendations

Meta

Meta 将可被回收的闲置推理资源用于广告推荐,通过两项弹性控制扩大排序候选数量或提高强模型覆盖率。RMA 控制候选量,SBM 控制模型路由份额;独立反馈环与客户端、服务端两层价值感知削减保护基础服务。原文提供生产架构与运行经验,但没有公开 CTR、收入或延迟提升百分比。

INSIGHT社区 UGC 排序可按资源预算增加候选覆盖或启用较强个性化模型,并用相关性和点击价值选择优先保留的工作。实践的关键是确保额外请求能随容量回收而降级,同时隔离基础负载。该条作为广告排序工业实践保留,但资源池和跨区域兼容条件较重,六个月内直接复制需要较多工程投入。

技术博客·2026-10-12·Relevance 4 · Novelty 3 · Practical 2 · Evidence 3 · Timely 5

其他赛道今日

点击切换
Generative
2
生成式推荐 · 篇入选
AI Search
6
AI 搜索 · 篇入选
Agentic
10
智能体搜索 · 篇入选
Infra
10
系统与索引 · 篇入选

开源雷达

GitHub / HuggingFace 热门 · 8 个项目
Weschera/GLM-5.3-EXL3-3.38bpw-4x-DGX-SparkGLM-5.3 (753B) 3.38bpw on 4x DGX Spark: 84.4 on Spark-Bench v7. Deployment of @ViC305 recipe (TensorFold TP4 + DFlash2) with fixes + evidence.HTML · ★ 6 · 2026-10-08 · GitHubFlun/glm53-flash-cmp170hx-exl3GLM-5.3-Flash EXL3 3.05bpw full-VRAM serving on 2x 64GB GPUs (CMP 170HX) with DFlash2 K7 / MTP d2 — no P2P requiredPython · ★ 6 · 2026-10-07 · GitHubMaverickKB/glm-rsi-dreamExperimental learned attention-memory loop for GLM on two DGX Spark nodes (preview)Python · ★ 5 · 2026-10-12 · GitHubdeepseek-ai/DeepSeek-V4.1-Flashpipeline: image-text-to-text; tags: transformers, safetensors, deepseek_v41, text-generation, image-text-to-text, conversational, license:mit, eval-resultsmodel · ★ 4414 · 2026-09-10 · HuggingFacezai-org/GLM-5.3-Flashpipeline: image-text-to-text; tags: transformers, safetensors, glm5_next, image-text-to-text, conversational, en, zh, arxiv:2602.15763model · ★ 2820 · 2026-08-25 · HuggingFacezai-org/GLM-5.3pipeline: text-generation; tags: transformers, safetensors, glm_moe_dsa, text-generation, conversational, en, zh, arxiv:2602.15763model · ★ 2194 · 2026-08-25 · HuggingFaceQwen/Qwen-Image-2.1-Turbopipeline: text-to-image; tags: diffusers, safetensors, qwen, image-generation, image-editing, text-to-image, base_model:Qwen/Qwen-Image-2.1, base_model:finetune:Qwen/Qwen-Image-2.1model · ★ 635 · 2026-10-09 · HuggingFaceAlibaba-DAMO-Academy/RynnValue-4Bpipeline: robotics; tags: transformers, safetensors, rynn_value_lang, feature-extraction, robotics, embodied-ai, value-foundation-model, reinforcement-learningmodel · ★ 6 · 2026-07-27 · HuggingFace