- 1. Learning to Trust: Dynamic Utilization of Retrieval-Augmented Generation for E-commerce Search Relevance · 📖 深度解读
该论文提出 DyKnow-RAG 框架，解决大语言模型在电商搜索相关性判断中如何动态利用外部检索知识的问题。基于 Group Relative Policy Optimization (GRPO) 的强化学习方法，设计了双组 rollout 策略（纯参数组 vs. 带外部上下文组）和后验驱动的组间优势缩放机制，让 LLM 学会在一次推理中同时评估相关性和上下文可信度…
出现于日报：04-08
- 2. Realizing Scaling Laws in Recommender Systems: A Foundation-Expert Paradigm for Hyperscale Model Deployment · 📖 深度解读
Meta 提出 Foundation-Expert 范式，解决超大规模推荐基础模型的部署挑战。核心架构为：一个在跨平台、多模态用户终身数据上训练的中央基础模型，通过 target-aware embedding 将知识迁移到轻量级、平台专属的"专家"模型。该系统已在 Meta 生产环境部署，每日服务数百亿用户请求，在线指标相比单阶段系统有显著提升，是首个在此规模成功部署 Foundation-Expert 范式的案例。
出现于日报：04-07
- 3. Are LLM-Based Retrievers Worth Their Cost? An Empirical Study of Efficiency, Robustness, and Reasoning Overhead
该论文系统评估了 LLM-based 检索器在效率、鲁棒性和推理开销方面的实际表现。在 BRIGHT 基准上复现 12 个任务和 14 个检索器，扩展评估指标包括冷启动索引成本、查询延迟分布与吞吐量、语料规模缩放、query 扰动鲁棒性和置信度预测 (AUROC)。同时量化了"推理开销"——对比标准查询与 5 种推理增强变体的精度增益与延迟代价…
出现于日报：04-08
- 4. AdaptFuse: Training-Free Sequential Preference Learning via Externalized Bayesian Inference
该论文提出 AdaptFuse，一种无需训练的框架，通过外部化贝叶斯推理实现 LLM 多轮交互中的偏好累积学习。框架由两个模块组成：符号模块维护离散假设集上的贝叶斯后验，冻结 LLM 通过多样本 Dirichlet 聚合贡献语义推理。两个信号通过熵自适应融合组合——随证据累积自动从 LLM 依赖转向符号后验。在航班推荐、酒店推荐和网购三个场景上，在 Gemma 2 9B、Llama 3 8B 和 Qwen 2.5 7B 上验证有效。
出现于日报：04-08
- 5. Optimizing RAG Rerankers with LLM Feedback via Reinforcement Learning
提出 RRPO (ReRanking Preference Optimization)，用强化学习框架将 reranking 模型与 LLM 生成质量直接对齐。将重排序建模为序列决策过程，使用 LLM 反馈替代人工标注作为奖励信号，并引入 reference-anchored deterministic baseline 保证训练稳定性。在知识密集型基准上显著超越 RankZephyr 等强基线…
出现于日报：04-07
- 6. Retrieval Augmented Conversational Recommendation with Reinforcement Learning
该论文提出 RAR，一种两阶段检索增强对话推荐框架。针对现有 LLM-based 对话推荐系统依赖预训练知识、缺乏外部检索机制、无统一语料库等问题，构建了包含 30 万+ 电影及丰富元数据（标题、演员、剧情简介）的大规模电影语料库。RAR 通过对齐检索与生成过程来增强推荐性能和事实准确性，使用强化学习优化两阶段流程的端到端表现。
出现于日报：04-08
- 7. NVIDIA recsys-examples: Efficient Training and Inference for Generative Recommender Systems
NVIDIA 发布开源 recsys-examples 项目，为生成式推荐系统提供工业级训练和推理最佳实践。基于 HSTU (Hierarchical Sequential Transduction Units) 架构，覆盖了从数据预处理、分布式训练到部署优化的完整工程链路。提供 GPU 加速的高效实现，支持大规模序列推荐模型的训练。
出现于日报：04-08
- 8. LLaDA-Rec: Discrete Diffusion for Parallel Semantic ID Generation in Generative Recommendation
该论文提出 LLaDA-Rec，首次将离散扩散模型应用于生成式推荐中的 Semantic ID 并行生成。传统自回归解码在生成式推荐中存在三大局限：(1) 难以联合捕获多维特征间的全局依赖；(2) 假设所有用户以相同顺序关注物品属性；(3) 推理时效率低。LLaDA-Rec 通过离散扩散过程实现并行生成，克服了这些局限。
出现于日报：04-08
- 9. Reinforced Latent Reasoning for LLM-based Recommendation
提出 LatentR3，通过在隐空间中进行推理来实现推理高效的 LLM 推荐，无需显式 Chain-of-Thought 生成。采用两阶段训练：(1) SFT 热启动初始化隐推理模块；(2) 基于改进的 GRPO 算法进行 RL 训练，用规则化奖励设计和连续奖励信号实现高效学习。少量隐 token 即可捕获完整推理过程，在多种 LLM 推荐方法上显著提升性能。
出现于日报：04-07
- 10. Beyond Hard Negatives: The Importance of Score Distribution in Knowledge Distillation for Dense Retrieval
该论文揭示了知识蒸馏训练密集检索模型时，仅关注难负例 (hard negatives) 的局限：学生模型无法学习教师模型的完整偏好结构，影响泛化能力。提出分层采样 (Stratified Sampling) 策略，均匀覆盖教师打分的整个分布频谱。实验在领域内和领域外基准上证明，保持教师分数方差和熵的分层采样显著优于 top-K 和随机采样。
出现于日报：04-08