- 1. UniRec: Bridging the Expressive Gap between Generative and Discriminative Recommendation via Chain-of-Attribute · 📖 深度解读
该论文针对生成式推荐（GR）中 Semantic ID 解码与判别式模型之间的表达力差距问题，提出 Chain-of-Attribute（CoA）机制。通过在 SID 序列前插入结构化属性 token（类目、卖家、品牌），恢复了判别式方法的 user-item 特征交叉能力。论文从贝叶斯定理角度严格证明了该等价性，并设计了容量约束 SID 和条件解码上下文（CDC）…
出现于日报：04-16
- 2. Towards Generalizable and Efficient Large-Scale Generative Recommenders (Netflix)
Netflix 首次公开其生成式推荐模型从 5000 万参数扩展至 10 亿参数的完整技术路线。针对推荐领域词表规模远超 NLP（百万级 vs. LLM 的 10 万级）的独特挑战，采用 sampled softmax + projected heads 将训练成本降低 1-2 个数量级。提出多 token 预测（MTP）替代 next-token 预测以适配高延迟缓存服务场景，并通过多模态语义塔实现冷启动泛化…
出现于日报：04-16
- 3. From Relevance to Authority: Authority-aware Generative Retrieval in Web Search Engines · 📖 深度解读
NAVER 想让生成式检索在相关度差不多时偏向可信来源。做法是让视觉语言模型看网站截图和文字打 0 到 100 的权威分，再把这个分数当 GRPO 的奖励，训练一个直接生成网站域名的 3B 模型；上线时不替换原排序，只给生成的网站加分。离线 P@3 从 0.3555 提到 0.3856，和 14B 模型打平，R@5 还略低。奖励里只有权威分，相关性全靠 SFT 和 KL 约束兜住…
出现于日报：04-17
- 4. Learning from Emptiness: De-biasing Listwise Rerankers with Content-Agnostic Probability Calibration · 📖 深度解读
生成式列表重排序虽能利用全局上下文提升检索效果，但存在严重的位置偏差问题。本文提出 CapCal 框架，通过内容无关的占位符估计偏差分布，再利用熵自适应对比机制修正输出 logit，实现无需训练的位置偏差消除。该方法在 10 个基准上的实验表明，在保持单次推理效率的前提下，显著优于其他免训练方法，对轻量级模型提升尤为明显。
出现于日报：04-15
- 5. Mitigating Collaborative Semantic ID Staleness in Generative Retrieval
生成式检索通过 Semantic ID (SID) 将每个 item 分配一个离散标识符，将检索转化为序列生成问题。融合了用户-item 交互信息的 SID 虽然效果更好，但随着交互模式随时间漂移，SID 的协作语义会变得陈旧。本文首次系统研究了严格时序评估下的 SID 陈旧问题，并提出轻量级、模型无关的 SID 对齐更新方法。该方法将新日志衍生的 SID 对齐到现有词汇表，使检索器 checkpoint 保持兼容，无需全量重建重训…
出现于日报：04-17
- 6. Unified Supervision for Walmart's Sponsored Search Retrieval via Joint Semantic Relevance and Behavioral Engagement Modeling · 📖 深度解读
该论文解决了工业搜索系统中检索模型训练信号不一致的问题。现有系统通常使用用户行为信号（如点击）来训练 bi-encoder 检索器，但行为信号是语义相关性的不完美代理——用户可能因流行度、促销或价格等非相关因素而点击商品。Walmart 提出联合语义相关性与行为参与度的统一监督框架，在保持低延迟在线服务的同时显著提升检索质量。线上实验表明该方法在 Walmart 搜索广告系统中带来了明显的收入和相关性提升。
出现于日报：04-14
- 7. SHE: Stepwise Hybrid Examination Reinforcement Learning Framework for E-commerce Search Relevance
针对电商搜索中 LLM 相关性预测面临的训练困难（SFT/DPO 长尾泛化差、传统 RLVR 反馈稀疏），提出分步混合检验 RL 框架 SHE。核心是 SRPO（分步奖励策略优化），结合生成式奖励模型与人工标注验证器提供细粒度的步骤级信号，配合多样化数据过滤保持策略熵和多阶段课程学习。在真实电商搜索基准上，SHE 在推理质量和相关性预测精度上全面超越 SFT、DPO、GRPO 等基线。
出现于日报：04-15
- 8. DiffGRM: Diffusion-based Generative Recommendation Model · 📖 深度解读
针对自回归生成式推荐模型的顺序依赖和局部最优问题，提出首个基于扩散模型的生成式推荐框架 DiffGRM。核心创新在于用掩码离散扩散模型替代自回归解码器，实现对 Semantic ID 的双向上下文建模和任意顺序并行生成。设计了三个关键模块：并行语义编码（PSE）解耦 token 并平衡信息分布、策略一致性噪声（OCN）聚焦高不确定性 token 的训练、置信度引导并行去噪（CPD）优先填充高置信度位置…
出现于日报：04-13
- 9. Generative Recommendation with Semantic IDs: A Practitioner's Handbook
针对生成式推荐（GR）领域缺乏统一基准和开源框架的问题，提出 GRID（Generative Recommendation with semantic ID）框架。GRID 采用模块化设计，支持 Semantic ID 构造、编码器、解码器等组件的灵活替换，便于快速迭代和公平对比。通过系统性消融实验发现多个被忽视的架构组件（如 Semantic ID 编码方式、解码策略）对性能有显著影响…
出现于日报：04-13
- 10. Retrieval as Generation: A Unified Framework with Self-Triggered Information Planning
本文重新审视 RAG 范式，将检索控制直接嵌入生成过程。提出 GRIP 框架，模型在单个自回归轨迹中自主决定何时检索、如何重构查询、何时终止检索，无需外部控制器或分类器。通过在结构化数据集上进行监督训练，覆盖多种查询类型，GRIP 以更少的参数实现了与 GPT-4o 等强基线的竞争性能。
出现于日报：04-15