- 1. Isotonic Layer: A Universal Framework for Generic Recommendation Debiasing · 📖 深度解读
该论文提出 Isotonic Layer，一种可微分的分段线性拟合框架，可直接嵌入神经网络架构中实现推荐系统的去偏与校准。通过将特征空间分段并优化非负斜率施加全局单调归纳偏置，将有偏观测映射回真实效用值。支持上下文特征（如展示位置、设备类型）的可学习 embedding，可对任意上下文组合进行针对性校准。在 LinkedIn 生产环境 A/B 测试中显著优于基线系统，被 KDD 2026 接收。
出现于日报：03-11
- 2. LASER: An Efficient Target-Aware Segmented Attention Framework for End-to-End Long Sequence Modeling · 📖 深度解读
针对推荐系统中超长用户行为序列建模面临的 I/O 延迟高和注意力计算复杂度呈二次增长的问题，提出 LASER 框架。核心包含两大创新：(1) SeqVault——基于 DRAM-SSD 混合索引的统一 schema 感知服务基础设施，将检索延迟降低 50%、CPU 占用减少 75%；(2) 全局堆叠目标注意力 (GSTA) 模块，通过 sigmoid 过滤机制压缩长序列并捕获跨段依赖…
出现于日报：03-14
- 3. Revisiting Feature Interactions from the Perspective of Quadratic Neural Networks for Click-through Rate Prediction · 📖 深度解读
从二次神经网络 (QNN) 视角重新审视 CTR 预估中的 Hadamard Product 特征交互机制，揭示了 QNN 在扩展特征空间和提供平滑非线性近似方面的能力。通过理论分析和 25 种 QNN 神经元格式的实证评估，提出了 Multi-Head Khatri-Rao Product 替代 Hadamard Product，以及 Self-Ensemble Loss 增强计算效率…
出现于日报：03-11
- 4. MDL: A Unified Multi-Distribution Learner in Large-scale Industrial Recommendation through Tokenization · 📖 深度解读
针对工业推荐系统中多场景多任务学习的两大瓶颈——大规模参数未能充分与复杂特征模块交互、场景和任务信息难以在统一框架中联合建模——提出了 MDL 框架。核心思路借鉴 LLM 的 prompting 范式，将场景和任务信息转化为专用 token 而非辅助输入或门控信号。框架包含统一信息 token 化模块，以及特征 token 自注意力、领域-特征注意力和领域融合聚合三种机制…
出现于日报：03-12
- 5. Feed m Birds with One Scone: Accelerating Multi-task Gradient Balancing via Bi-level Optimization · 📖 深度解读
提出 MARIGOLD 框架，将多任务学习 (MTL) 中的模型训练与梯度平衡统一建模为双层优化问题，通过零阶方法高效求解。MGDA 类方法的核心瓶颈在于需要访问所有任务梯度带来的计算开销，MARIGOLD 利用双层优化结构避免了这一成本。在公开数据集和工业规模数据集上均验证了方法的效率优势和性能提升，显著加速了多任务梯度平衡过程。
出现于日报：03-11
- 6. TaoSR1: The Thinking Model for E-commerce Relevance Search · 📖 深度解读
针对电商搜索中 query-商品相关性预测任务，提出直接部署 LLM 的框架 TaoSR1，解决三个关键挑战：Chain-of-Thought (CoT) 推理中的错误累积、判别式幻觉（discriminative hallucination）和部署可行性。框架分三阶段：(1) 监督微调建立推理基础；(2) 基于强化学习的 CoT 错误纠正机制；(3) 工程优化实现在线部署…
出现于日报：03-12
- 7. Efficient Personalized Reranking with Semi-Autoregressive Generation and Online Knowledge Distillation · 📖 深度解读
提出 PSAD 框架，解决生成式重排序中生成质量与推理延迟的固有矛盾。教师模型采用半自回归生成器平衡质量与效率，通过在线知识蒸馏将排序知识传递给轻量评分网络实现实时推理。同时引入 User Profile Network (UPN) 注入用户意图并建模兴趣动态，增强用户-物品特征交互。在三个大规模公开数据集上显著优于现有最优基线，兼顾排序性能与推理效率。
出现于日报：03-11
- 8. CAMMSR: Category-Guided Attentive Mixture of Experts for Multimodal Sequential Recommendation · 📖 深度解读
针对多模态序列推荐中现有方法依赖启发式融合策略、无法捕捉用户-模态交互的动态性和上下文敏感性的问题，提出 CAMMSR。核心创新是类别引导的注意力混合专家 (CAMoE) 模块，从多视角学习专化的 item 表征并显式建模跨模态协同，通过辅助类别预测任务动态分配模态权重。同时引入模态交换对比学习增强跨模态表征对齐。在 4 个公开数据集上持续超越 SOTA 基线。被 ICDE 2026 录用。
出现于日报：03-14
- 9. The Confidence Gate Theorem: When Should Ranked Decision Systems Abstain? · 📖 深度解读
研究排序决策系统（推荐系统、广告竞价、医疗分诊队列）应在何时对排序输出进行干预、何时选择放弃干预（abstain）的问题。提出 Confidence Gate 定理，给出基于置信度的放弃机制单调改善决策质量的充要条件：rank-alignment（排序对齐）和 no inversion zones（无反转区）。区分了结构性不确定性（缺失数据，如冷启动）和上下文不确定性（缺失上下文，如时序漂移）…
出现于日报：03-12
- 10. A Long-term Value Prediction Framework In Video Ranking
针对视频推荐中的长期价值（LTV）预估难题，提出多维归因模块和跨时间创作者建模方法。多维归因模块学习上下文、行为和内容信号的连续归因强度，替代静态规则以捕捉视频间细微影响；跨时间作者建模模块构建审查感知的日级LTV目标，捕捉创作者驱动的长期回访效应。
出现于日报：03-09