- 1. UniVA: Unified Value Alignment for Generative Recommendation in Industrial Advertising · 📖 深度解读
UniVA 是腾讯视频号广告团队提出的生成式推荐框架，统一建模用户兴趣对齐与商业价值对齐两条目标。框架包含三个核心模块：把广告价值属性嵌入 Semantic ID 的 value-aware tokenizer；通过强化学习联合训练生成与排序的 decoder；以及面向在线服务的个性化 beam search。在腾讯视频号场景上，UniVA 离线 Hit Rate@100 提升 37.04%，线上 A/B 测试 GMV +1.5%。
出现于日报：05-11
- 2. UniRank: Unified List-wise Reranking via Confidence-Ordered Denoising · 📖 深度解读
针对生成式列表重排中自回归 (AR) 容易误差累积、非自回归 (NAR) 又弱化候选间交互的两难，提出 UniRank：一个统一的列表重排框架，将双向 slate 建模嵌入到迭代去噪过程，并通过推理时变体在 AR 与 NAR 之间灵活切换。训练采用 confidence-ordered denoising，从高置信槽位向低置信槽位逐步揭示并精修…
出现于日报：05-13
- 3. Make It Long, Keep It Fast: End-to-End 10k-Sequence Modeling at Billion Scale on Douyin Recommendation · 📖 深度解读
本文提出一套生产级长序列建模方案，将抖音推荐系统的用户历史序列扩展到 10k 长度同时维持线上延迟与成本预算。核心包含三项创新：Stacked Target-to-History Cross Attention (STCA) 用目标对历史的堆叠交叉注意力替代历史自注意力，将复杂度从二次降到线性；Request Level Batching (RLB) 在同一用户/请求内聚合多个目标共享 user 侧编码…
出现于日报：05-14
- 4. EKTM: Effective Knowledge Transfer for Multi-Task Recommendation Models · 📖 深度解读
EKTM 针对 CVR 预估在多任务排序框架中的数据稀疏问题，提出有效跨任务知识迁移方法。引入 router 模块按任务相关性分发共享表示，并通过 transmitter 模块做任务特定的特征变换后再融入目标任务，避免硬共享带来的负迁移。在线上 A/B 测试中带来 3.93% 的 eCPM 提升，已在某商业广告平台的两个主流量场景部署。
出现于日报：05-11
- 5. UxSID: Semantic-Aware User Interests Modeling for Ultra-Long Sequence · 📖 深度解读
快手把超长行为序列的用户表示改成按候选的 Semantic ID 分组共享：用候选的第一层 SID 当 query，对完整历史和 16 个压缩兴趣锚点各做一次 attention，按“用户 × SID”离线存好，线上只查一次表，延迟多 0.16 毫秒。工业数据 CTCVR AUC 从 TWIN 的 0.8609 提到 0.8626，一周广告 A/B 收入涨 0.337%…
出现于日报：05-13
- 6. SilverTorch: A Unified Model-based System to Democratize Large-Scale Recommendation on GPUs · 📖 深度解读
SilverTorch 是 Meta 提出的一站式 DLRM 在线服务系统：将原本分散在 CPU 上的 ANN 索引和属性过滤服务统一收编进模型层，由模型本身完成召回、过滤、打分。系统设计了基于 GPU 的 model-based Bloom Index 用于特征过滤，以及融合 Int8 ANN 内核用于近邻检索，并通过 OverArch 打分层和多任务召回支持 learned similarity 等复杂打分结构…
出现于日报：05-12
- 7. LEAPS: An LLM-Empowered Adaptive Plugin in Taobao AI Search · 📖 深度解读
针对 LLM 时代用户搜索从关键词转向自然语言多约束查询的趋势，本文提出 LEAPS——在淘宝 AI 搜索现有架构两端附加 LLM 插件，采用 'Broaden-and-Refine' 范式。上游 Query Expander 通过逆向数据增强、后验知识 SFT、多样性感知 RL 三阶段训练，对原始 query 生成自适应互补的查询组合最大化候选集；下游 Relevance Verifier 综合多源信号过滤噪声召回…
出现于日报：05-14
- 8. A Cascaded Generative Approach for e-Commerce Recommendations
电商个性化货架传统上由静态主题、召回、点级排序组件拼装而成，限制了页面语义连贯性与动态个性化。本文提出 Cascaded Merchandising 框架，将货架构建分解为两个生成任务：(i) placement-level theme generation 生成模块主题，(ii) per-placement constrained keyword generation 驱动商品召回…
出现于日报：05-14
- 9. Conditional Memory Enhanced Item Representation for Generative Recommendation
生成式推荐 (GR) 通过自回归生成 Semantic ID (SID) 预测目标 item。现有 item 级表征要么直接合并 SID-token embedding 致信息损失加剧，要么靠外部网络注入语义但破坏 SID 结构证据。本文提出 Conditional Memory Enhanced Item Representation：构造一个条件记忆库，根据 SID 上下文动态检索并融合记忆向量，既保留 SID 结构性…
出现于日报：05-14
- 10. Latte: Expressiveness Limits of Autoregressive Semantic ID Generation in Generative Recommendation
Latte 系统性分析了生成式推荐中自回归 Semantic ID 解码的表达力上限：当 item 共享 Semantic ID 前缀时，模型产出的概率会与 RQ-VAE 树结构强相关，导致同分支下的 item 概率被人为拉平，与真实用户偏好无关。作者提出在 Semantic ID 序列前插入一段可学习的 latent token，重塑解码空间，使 item 概率脱离树状偏置；在多个公开基准上 NDCG@10 平均提升约 3.45%。
出现于日报：05-11