- 1. Towards Large-scale Generative Ranking
小红书提出 GenRank 生成式排序架构，在亿级用户 Explore Feed 上验证生成式架构优于判别式训练范式。
出现于日报：03-02
- 2. Learning to Reflect and Correct: Towards Better Decoding Trajectories for Large-Scale Generative Recommendation
提出 GRC 框架，将生成式推荐的单次解码扩展为「草稿-反思-纠正」三阶段流程，并用强化学习优化全链路。
出现于日报：03-03
- 3. Unlocking Scaling Law in Industrial Recommendation Systems with a Three-step Paradigm based Large User Model
提出三步范式的大用户模型 (LUM)，在保持与现有深度学习推荐基础设施兼容的同时，将模型扩展至 70 亿参数并验证 scaling law。
出现于日报：03-03
- 4. RankGR: Rank-Enhanced Generative Retrieval with Listwise Direct Preference Optimization in Recommendation · 📖 深度解读
将 listwise DPO 引入生成式检索，并在淘宝猜你喜欢场景实现大规模上线。
出现于日报：03-06
- 5. RAD-DPO: Robust Adaptive Denoising Direct Preference Optimization for Generative Retrieval in E-commerce
针对电商生成式检索中 DPO 的三个核心问题（梯度冲突、噪声脆弱、多标签挤压），提出 RAD-DPO 进行鲁棒偏好对齐。
出现于日报：03-03
- 6. Agentic Multi-Source Grounding for Enhanced Query Intent Understanding: A DoorDash Case Study
DoorDash 提出多源 LLM 接地系统，将模糊用户查询映射到多意图商业类目，已在线服务 95% 以上搜索流量。
出现于日报：03-04
- 7. LLMGR: Large Language Model-based Generative Retrieval in Alipay Search · 📖 深度解读
支付宝搜索部署 LLM 生成式检索系统 LLMGR，将小程序信息编码进大模型后直接生成候选标题进行检索。
出现于日报：03-02
- 8. Fine-grained Semantics Integration for Large Language Model-based Recommendation
提出 TS-Rec 框架，解决 LLM 生成式推荐中 Semantic ID (SID) 初始化无语义和对齐粒度粗糙两大挑战。
出现于日报：03-04
- 9. SODA: Semantic-Oriented Distributional Alignment for Generative Recommendation
提出分布级监督范式 SODA，用多层 codebook 上的概率分布替代离散码级监督来训练生成式推荐模型。
出现于日报：03-04
- 10. LocalSUG: Geography-Aware LLM for Query Suggestion in Local-Life Services
提出 LocalSUG，一种面向本地生活服务平台的 LLM 生成式查询建议框架。针对 LLM 在本地服务场景中缺乏地理感知、偏好优化中的 exposure bias、以及在线推理延迟三大挑战，提出城市感知候选挖掘策略、beam-search 驱动的 GRPO 算法、以及多目标奖励机制。通过词汇裁剪和质量感知加速显著降低在线延迟。
出现于日报：03-08