- 1. JourneyFormer: Encoding Airbnb Guest Journey with Sequence Modeling · 📖 深度解读
论文把序列建模落地到 Airbnb 线上搜索排序，针对生产环境三个具体难题：guest 行为序列长、探索性强、且预订（booking）标签稀疏。作者系统拆解了四类关键工程决策——guest event 的筛选粒度、ID embedding 设计、模型架构、以及 label attribution（标签归因），在序列复杂度与可扩展性之间做权衡，最终形成 JourneyFormer 这一可上线的序列排序方案。
出现于日报：06-23
- 2. The Pitfall of Scaling Up: Uncovering and Mitigating Popularity Bias Amplification in Scaling Transformer-based Recommenders · 📖 深度解读
针对 Transformer 序列推荐模型，论文发现一个反直觉现象：放大模型规模虽提升准确率，却同时放大流行度偏置（popularity bias），加剧 Matthew 效应与信息茧房，使其成为推荐 scaling 的根本障碍。作者从理论与实验定位根因——随深度增加，注意力聚合与前馈投影协同导致预测分布的谱坍缩（spectral collapse）…
出现于日报：06-24
- 3. LLM-as-a-Judge for Reliable and Explainable Offline Evaluation in Top-K Recommendation · 📖 深度解读
传统离线推荐评测用 Top-K 指标加严格 ID 匹配，受曝光偏置影响导致评估失真，且只给数字不给理由。论文提出 LLM-as-a-Judge 离线评测框架：用用户文本行为构造语义代理（semantic proxy）替代 holdout 反馈，在语义空间做柔性匹配；LLM 以'先推理后打分'生成相关性判断与显式理由，再聚合为带解释的 Top-K 指标，并为每次命中或漏召给出依据…
出现于日报：06-24
- 4. Denoising Implicit Feedback for Cold-start Recommendation · 📖 深度解读
隐式反馈（点击）混入大量噪声样本（标题党、位置偏置），冷启动新物品因交互稀疏更易受噪声影响，而已有去噪方法依赖“高 loss 即噪声”的启发式、在冷启动场景失效。论文提出模型无关的去噪方法 DIF：用内容相似的热门物品为冷物品推断伪标签，按内容相似度建模伪标签置信度并聚合多个伪标签，再用相对熵与冷启动状态显式估计样本标签的不确定性，自适应修正噪声标签…
出现于日报：06-22
- 5. TokenMinds: Pretrained User Tokens and Embeddings for User Understanding in Large Recommender Systems · 📖 深度解读
工业级推荐系统的用户建模通常依赖固定维度稠密向量，表达能力受限；用 LLM 生成文本型用户 token 又只能捕捉话题共现、难以对齐物品属性。TokenMinds 把 PLUM 框架从物品检索扩展到用户建模，用改编自预训练 LLM 的 encoder-decoder 同时产出基于 Semantic ID (SID) 的离散用户 token 与稠密用户 embedding，兼顾语义可解释和对下游稠密精排模型的兼容…
出现于日报：06-26
- 6. INSPIRE: Intent-aware Neural Sponsored Product Retrieval for E-commerce
沃尔玛美国生鲜电商搜索中，食品饮料类目贡献了最高的搜索流量和赞助广告收入，但生鲜 query 普遍短、歧义大、未明确表达饮食偏好或规格变体等关键需求，用户意图与召回商品之间的细微错配会同时损害用户参与度和变现。论文提出 INSPIRE（Intent-aware Neural Sponsored Product Retrieval），一个面向赞助搜索的意图感知召回框架，利用结构化意图信号来对齐 query 与商品…
出现于日报：06-25
- 7. Unified Multi-Task Relevance Modeling for E-Commerce: Comparing Task Routing Architectures Across LLMs and Cross-Encoders
电商相关性建模通常为 query-商品匹配、商品类型相似等六种不同的实体对关系各自训练独立模型，阻碍知识迁移且产生不一致的相关性信号。论文提出统一的多任务相关性框架：在共享的三档相关性标度下，对六个实体对任务联合训练一个模型，并系统比较三种任务路由架构（如何把任务身份传递给共享模型）。核心观察是 encoder 模型与 decoder-only 模型通过不同机制编码任务身份，因此任务路由架构的选择会非对称地影响这两类模型…
出现于日报：06-25
- 8. Structuring and Tokenizing Distributed User Interest Context for Generative Recommendation
生成式推荐从用户历史行为自回归预测下一个交互物品，但如何刻画分散在长行为序列中的多样化用户兴趣仍是难点。论文提出 G2Rec：用基于图的用户共同参与（co-engagement）建模捕捉用户间的兴趣关联，结合语义 tokenization 构造用户兴趣原型（interest prototype），无需依赖人工标注的真实用户兴趣标签即可学到整体兴趣表示。方法已在多个产品场景在线部署，并在公开数据集上做了大量实验验证。
出现于日报：06-22
- 9. Ensuring Trustworthy Online A/B Testing: Addressing Five Key Questions on CUPED
CUPED（用实验前数据做方差缩减）在保持平均处理效应 ATE 无偏的同时大幅提升实验灵敏度，被各大科技公司广泛用于功能上线、定价与体验优化的 A/B 决策。论文系统回答了五个长期被忽视的方法论问题：对比多种 post-CUPED 估计量以确定最优调整设定、评估回归调整在何种条件下仍然有效，以及相关偏差与有效性的边界。
出现于日报：06-23
- 10. Token Factory: Efficiently Integrating Diverse Signals into Large Recommendation Models
大型推荐模型（LRM）在工业级推荐中表现亮眼，但把传统信号（统计/类别/ID 特征）整合进基于 transformer 的 LRM 仍是难题：直接“文本化”信号或构造离散物品表示会导致 prompt 过长、显存占用大、计算开销高。论文提出 Token Factory，把传统信号转换成可被 LRM 直接处理的“软 token”（soft token），实现异构特征的高效整合与压缩，避免 prompt 长度爆炸的同时提升模型效果…
出现于日报：06-22