- 1. SSRLive: Live Streaming Recommendation with Dynamic Semantic ID · 📖 深度解读
淘宝直播的粗排模型 SSRLive 给每个直播间两套 Semantic ID：静态 SID 来自主播近几天的历史内容，动态 SID 由直播间此刻的实时特征量化而来，随热度和内容变化。生成式编码器–解码器放在用户侧，交替生成两套 SID 并用任务 query 抽表示，打分仍交给带用户–主播交叉特征的判别网络。线上观看时长涨 3.38%，算力涨约 16 倍，延迟只多 1.33%…
出现于日报：06-09
- 2. Scaling Laws for Behavioral Foundation Models over User Event Sequences · 📖 深度解读
该工作把语言模型的 scaling law 方法论迁移到用户行为序列基础模型。针对“特征化事件 embedder + decoder-only Transformer 预测下一个事件”的两段式架构，在真实交互数据上跑了约 600 组实验，训练算力覆盖 10^15–10^19 FLOPs，联合调节两段参数配比、critical batch size、模型/数据分配、冻结 embedder 后的负采样数四个部署相关维度…
出现于日报：06-08
- 3. Teach Multimodal Recommendation Model to See via Personalized Visual Extraction and Adaptive Learning · 📖 深度解读
多模态序列推荐(MSR)里视觉特征常被文本信号压制、贡献远低于文本。作者把原因归为两点：预训练视觉编码器抓不到与偏好相关的视觉线索，以及视觉-文本优化失衡。提出即插即用框架 REVEAL，含两个模块：Feedback-Guided Visual Extraction(FVE)用任务级反馈精修 prompt 引导的视觉特征抽取，Adaptive Visual Learning(AVL)在训练中动态重加权视觉损失防止文本主导…
出现于日报：06-10
- 4. Bridging the Semantic-Collaborative Gap: An Asymmetric Graph Architecture for Cold-Start Item Recommendation · 📖 深度解读
Tubi 流媒体把物品冷启动建模成时序二部“设备-内容”图上的归纳式图补全问题。提出 Shallow-RHS 非对称双塔：左侧设备塔用时序有效的观看历史做消息传递抓协同信号；右侧内容塔故意做“浅”——不用 ID embedding、不做邻居聚合、不用任何交互派生表征，只从内容固有特征编码，强制内容编码器把固有特征映射到“协同感知”的 embedding 空间…
出现于日报：06-08
- 5. LLM-Based User Personas for Recommendations at Scale · 📖 深度解读
针对十亿用户规模的工业级视频推荐平台，提出在 serving 阶段实时生成 LLM 自然语言用户兴趣 persona 的框架。方法把「已有兴趣摘要」与「新主题探索」结合，直接在线上缓解 exploitation-exploration 权衡；为应对十亿用户在线 LLM 推理的算力瓶颈，设计了知识蒸馏、异步推理、以及基于语义聚类视频表征的输入压缩三件套。离线评测、用户研究与线上 A/B 均显示 viewer value 显著提升。
出现于日报：06-13
- 6. PHKT:Personalized Dynamic Hypergraph-enhanced KAN-Transformer for Multi-behavior Sequential Recommendation
面向多行为序列推荐（点击/加购/购买等辅助行为辅助预测目标行为），提出 PHKT（Personalized Hypergraph-enhanced KAN-Transformer）。设计个性化动态超图模块，依据用户历史行为序列对 item 相似度做行为感知加权，捕捉用户特定的异构高阶关系；用 Transformer 作时序骨干建模长短期偏好演化…
出现于日报：06-08
- 7. Mind the Gap: Bridging Behavioral Silos with LLMs in Multi-Vertical Recommendations
针对 DoorDash 这类多业务线电商平台中生鲜、零售等新业务线的用户冷启动问题，论文提出用大模型做生成式推理，从用户在成熟业务线（餐饮）的下单与搜索历史中合成稀疏高维特征。具体用分层 RAG 管线抽取多级品类（taxonomic）特征，同时编码长期跨业务线偏好与短期意图，再注入生产环境的多任务学习（MTL）排序模型。离线与线上评测均显示新业务线的个性化与互动指标提升（摘要未给出具体数值）。
出现于日报：06-09
- 8. ANCHOR: Agentic Noise Creation Framework for Human Simulation and Denoising Recommendation
针对隐式反馈去噪缺乏显式噪声标注、现有方法依赖启发式或无监督先验导致噪声误判的问题，提出 Creation-Recognition 新范式：不再间接推断噪声，而是主动“制造”带标签的噪声交互再训练专门识别器，把去噪从启发式过滤变成监督学习。ANCHOR 受 LLM-as-User 启发，用 agent 模拟用户行为生成噪声标签，分两阶段：噪声制造阶段用 recommender-in-the-loop 的 agentic…
出现于日报：06-08
- 9. DiffCold: A Diffusion-based Generative Model for Cold-Start Item Recommendation
冷启动 item 推荐因缺乏交互历史长期受困于「跷跷板困境」：提升冷 item 往往牺牲热 item。作者指出根因是分布差异——热 item embedding 处于交互信号塑造的「行为流形」，冷 item 只能落在内容衍生的「语义流形」，强行映射会损伤热表征精度。DiffCold 用条件扩散从内容重建热 item embedding、保持流形结构不退化…
出现于日报：06-13
- 10. When Does Latent Reasoning Help? MeRa: Metric-Space Bias for Spatial Prediction
探讨潜在推理（latent reasoning，预测前迭代精炼表征）在空间预测中是否有效。发现关键在于推理是否“锚定在底层度量空间”：没有度量锚定时，潜在推理反而把空间预测拉到基线以下；用成对距离学到的“度量空间偏置”才带来稳定增益。提出 MeRa——轻量、与骨干无关、可插在任意序列编码器与预测头之间的模块。在 GETNext 骨干上，有/无度量空间偏置的推理差距达 4.5% NDCG@10…
出现于日报：06-08