- 1. UniScale: Synergistic Entire Space Data and Model Scaling for Search Ranking · 📖 深度解读
淘宝搜索想把排序模型做大，发现瓶颈在数据：他们把未曝光候选和推荐、店铺里的行为改造成搜索样本，训练数据扩到 5 倍，再配一个按场景隔离梯度的 Transformer。同样的扩充数据放到旧结构上 AUC 反而下降 0.43%，放到新结构上提升 0.32%。线上 A/B 购买提升 1.70%，但结构、数据和工程优化一起上，线上没有拆开各自的贡献。跨场景数据不能直接混进去训，必须配上能隔离场景的结构。
出现于日报：03-27
- 2. KARMA: Knowledge-Action Regularized Multimodal Alignment for Personalized Search at Taobao · 📖 深度解读
该论文针对 LLM 在个性化搜索任务中的微调难题，揭示了「知识-行为鸿沟」(Knowledge-Action Gap) 现象：直接用判别式目标微调 LLM 会导致语义坍缩 (Semantic Collapse)，注意力出现 sink 现象，模型泛化能力严重退化。为此提出 KARMA 框架，通过知识正则化和行为对齐的双重约束，在保持 LLM 预训练语义知识的同时有效学习个性化搜索行为…
出现于日报：03-26
- 3. SaFRO: Satisfaction-Aware Fusion via Dual-Relative Policy Optimization for Short-Video Search · 📖 深度解读
快手搜索把“看完结果有没有马上改搜、隔多久再来搜、第二天还搜不搜”合成一个满意度奖励，训练奖励模型后用改造过的 GRPO 学每个请求的多目标融合权重。线上 10% 流量跑了两个月，改搜率降 0.319%，观看时长涨 0.611%，留存差距到第 60 天约 0.06%。满意度奖励的构造值得借鉴；但离线满意度和留存都是用自己的奖励模型和模拟器打分，线上对照只是 DDPG，算法改动的收益要打折看。
出现于日报：03-24
- 4. AIGQ: An End-to-End Hybrid Generative Architecture for E-commerce Query Recommendation · 📖 深度解读
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…
出现于日报：03-24
- 5. SORT: A Systematically Optimized Ranking Transformer for Industrial-scale Recommenders · 📖 深度解读
SORT 提出系统性优化的排序 Transformer，解决了 Transformer 在工业级排序模型中落地的关键瓶颈。通过 request-centric 样本组织、local attention、query pruning 和生成式预训练四大优化，实现了 22% 的 MFU 效率。在电商场景中取得订单量 +6.35%、买家数 +5.97%、GMV +5.47% 的显著提升，同时延迟降低 44.67%，吞吐提升 121.33%。
出现于日报：03-23
- 6. GenFacet: End-to-End Generative Faceted Search via Multi-Task Preference Alignment in E-Commerce
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。
出现于日报：03-24
- 7. TagLLM: A Fine-Grained Tag Generation Approach for Note Recommendation · 📖 深度解读
针对电商社区笔记推荐中 LLM 生成能力未被充分利用的问题，提出 TagLLM 框架，通过用户兴趣手册和多模态 Chain-of-Thought 提取生成细粒度标签，并用知识蒸馏技术提升推理效率。线上 A/B 测试显示，人均浏览时长提升 0.31%，人均互动次数提升 0.96%，冷启动场景下页面浏览点击率提升 32.37%。
出现于日报：03-25
- 8. Entire Space Counterfactual Learning for Reliable Content Recommendations · 📖 深度解读
论文聚焦推荐系统中的点击后转化率 (CVR) 估计问题，指出现有整体空间多任务模型（如 ESMM）存在两个核心缺陷：内在估计偏差 (IEB) 和外在信息偏差 (EIB)。IEB 来源于行为序列分解中的条件概率估计偏差，EIB 来源于训练样本的选择偏差。作者提出基于反事实学习的整体空间建模方法，通过因果推断框架纠正这两类偏差，在多个数据集上的实验表明该方法能显著提升 CVR 预估的可靠性。
出现于日报：03-27
- 9. Not All Candidates are Created Equal: A Heterogeneity-Aware Approach to Pre-ranking in Recommender Systems · 📖 深度解读
HAP 提出异构感知自适应预排序方法，发现预排序阶段训练数据中存在梯度冲突问题——困难样本主导训练而简单样本未被充分利用。通过将候选分为不同优化路径，对简单候选使用轻量级模型、对困难候选部署更强模型，在不增加计算开销的情况下提升预排序效果。已在今日头条生产系统部署 9 个月，并发布了工业数据集。论文被 WWW'26 接收。
出现于日报：03-23
- 10. MI-DPG: Decomposable Parameter Generation Network Based on Mutual Information for Multi-Scenario Recommendation · 📖 深度解读
针对多场景推荐中模型参数成本高且场景多样性建模困难的问题，提出基于互信息的可分解参数生成网络 MI-DPG。核心思路是将加权矩阵分解为场景共享和场景特有的低秩矩阵组合，并通过互信息正则化增强跨场景参数多样性。在三个真实数据集上显著优于已有多场景推荐方法，论文发表于 CIKM 2023。
出现于日报：03-25