- 1. A Survey on Generative Recommendation: Data, Model, and Tasks · 📖 深度解读
本文系统性梳理生成式推荐（Generative Recommendation, GR）范式，提出 Data-Model-Task 三维统一框架：在 Data 维度讨论 ID 形式（atomic ID、Semantic ID、LLM token、向量量化 token）的设计哲学；在 Model 维度区分 LLM 驱动、扩散驱动、自回归 Transformer（HSTU/TIGER/SIGMA 系列）等不同实现路径…
出现于日报：05-13
- 2. EcoGEO: Trajectory-Aware Evidence Ecosystems for Web-Enabled LLM Search Agents · 📖 深度解读
本文提出 EcoGEO，将传统针对单页面的 Generative Engine Optimization 扩展到 web-enabled LLM 搜索 Agent 的多步浏览轨迹场景。作者设计 TRACE 框架，在给定推荐 query 与目标产品后，构建受控的 Evidence 生态系统，通过协同布置多个互链页面、调整证据出现位置与关联结构…
出现于日报：05-15
- 3. Personalized Deep Research: A User-Centric Framework, Dataset, and Hybrid Evaluation for Knowledge Discovery
针对当前 Deep Research 类 LLM agent 一刀切式检索的局限，提出 Personalized Deep Research (PDR) 框架，将用户画像 embedding 检索-推理主循环：先动态建模用户专业度与潜在兴趣，再迭代展开 query，按用户类型走两阶段（私域/公域）检索，并在合成阶段做上下文感知。论文同时发布一个面向 PDR 的数据集与混合评测体系（机器评估 + 人工对齐）…
出现于日报：05-13
- 4. Retrieval is Cheap, Show Me the Code: Executable Multi-Hop Reasoning for Retrieval-Augmented Generation
本文针对多跳 RAG 中自由文本推理状态不显式、retrieval query 漂移以及自我反思不可靠的问题，提出 PyRAG，把多跳 RAG 重写成程序合成与执行问题。模型生成一段 Python 程序，将 retrieval 调用、实体绑定、子问题串联固化为代码，由解释器逐步执行检索与计算并显式记录中间状态。在多跳 QA 基准上，PyRAG 在准确率与 retrieval 调用效率上相对自由形式 ReAct 类基线获得稳定提升…
出现于日报：05-15
- 5. Granite Embedding Multilingual R2 Models
IBM 发布 Granite Embedding R2 多语言系列：基于 ModernBERT 架构、扩展多语言词表，支持 200+ 语种与代码，上下文窗口扩展到 32,768 token（相比 R1 提升 64x）。提供 311M 完整模型与 97M 压缩模型，后者通过模型剪枝与词表选择得到，在 100M 参数以下的开源多语言 embedding 中达到 SOTA…
出现于日报：05-15
- 6. Topic Is Not Agenda: A Citation-Community Audit of Text Embeddings · 📖 深度解读
论文构建覆盖 358 万篇科学论文的引用图，用 Leiden CPM 在子领域 (L1) 与研究议程 (L2) 两个粒度上划分社区，系统审计文本 embedding 是否真正反映概念相关性。在 Gemini、Qwen3-8B、Qwen3-0.6B、SPECTER2 四个 SOTA embedding 上，L1 层 top-10 同社区率 45–52% 尚可接受，但 L2 议程层骤降至 15–21%…
出现于日报：05-12
- 7. Bridging Passive and Active: Enhancing Conversation Starter Recommendation via Active Expression Modeling · 📖 深度解读
本文针对 LLM 驱动对话式搜索系统中「对话起始问题（conversation starter）」推荐依赖 exposure-click 反馈循环导致回声室效应、难以覆盖多样化搜索意图的问题，提出 PA-Bridge 框架。核心思路是引入用户主动生成的查询作为额外监督信号，弥合「被动点击」与「主动表达」之间的分布鸿沟。方法包括两个关键模块：（1）对抗分布对齐器（adversarial distribution aligner）…
出现于日报：05-11
- 8. Can LLMs Take Retrieved Information with a Grain of Salt?
论文评测 8 个主流 LLM 在“上下文确定性服从”上的表现：检索结果带有不同确定性（明确事实 vs. 推测/模糊陈述）时模型能否相应调整回答。结果暴露三类系统性问题——观察到不确定上下文后回忆先验知识失败、对显式确定性表达的解读错误、对复杂上下文过度信任。作者提出“先验提醒+确定性再校准+上下文简化”三步交互策略，无需改动权重就把服从错误率平均降低 25%。
出现于日报：05-12
- 9. DiffRetriever: Parallel Representative Tokens for Retrieval with Diffusion Language Models
DiffRetriever 把扩散语言模型直接当作检索器：在 prompt 后追加 K 个 mask 位置，通过一次双向前向并行解码读出全部 K 个表示 token，避免自回归多 token 路线必须逐步生成的瓶颈。论文证明多 token 思路本身有效，瓶颈在顺序生成；在 in-domain 与 out-of-domain 评测上，多 token DiffRetriever 在每个扩散主干上都显著优于单 token…
出现于日报：05-12
- 10. Design Your Ad: Personalized Advertising Image and Text Generation with Unified Autoregressive Models · 📖 深度解读
传统电商广告生成依赖多个独立模型，CTR 信号只反映平均偏好，缺乏跨模态感知和个性化。本文提出 Uni-AdGen，用单一自回归框架统一生成广告图像和文本：通过 foreground perception 模块增强真实性，并设计 coarse-to-fine 偏好理解模块从用户多模态历史行为中抽取兴趣。实验表明，Uni-AdGen 在图像质量与点击转化上均显著优于独立训练的图像生成 + CTR 拼接基线…
出现于日报：05-14