- 1. MixFormer: Co-Scaling Up Dense and Sequence in Industrial Recommenders · 📖 深度解读
MixFormer 针对工业推荐中“序列建模”和“稠密特征交互”分离导致的容量分配问题，提出统一 Transformer-style backbone，把用户行为序列、非序列特征和高阶交互放到同一参数化结构里共同扩展。离线数据来自抖音推荐系统连续两周、万亿级 user-item 交互，单样本超过 300 个特征；MixFormer-medium 相比 TADLRM 在 Finish AUC/UAUC 上提升…
出现于日报：07-03
- 2. GR2 Technical Report · 📖 深度解读
这份 Meta 技术报告把 LLM 用到工业推荐漏斗最后的重排阶段，提出 GR2：先用 99% 唯一性的 Semantic ID 做中训练，再用教师模型生成重排推理轨迹，最后用面向 AUC/NDCG 的可验证奖励做 RL 后训练。实验基于约 7 万个内部用户会话，并在 02-01 到 02-09 的 9 天留出流量上评估；相对强 legacy point-wise baseline…
出现于日报：07-03
- 3. UniFormer: Efficient and Unified Model-Centric Scaling for Industrial Recommendation · 📖 深度解读
针对工业推荐里组件各自扩参（行为建模、特征交互、任务建模分别 scaling）缺乏统一框架的问题，UniFormer 把整个建模空间拆成特征空间与任务空间，分别用堆叠的 Feature-space / Task-space Interaction Module 建模，并用语义 token 化实现 user-item 解耦做到 request 级推理加速…
出现于日报：06-29
- 4. IntentTune: Using user demand and personalization to resolve "unknown" query intents for e-commerce search · 📖 深度解读
IntentTune 面向电商搜索里“watch”“shirt”这类欠规格查询，尝试用个体历史和全站需求分布推断缺失的年龄、性别、品类、尺码等隐式意图。论文比较两类信号：用户级搜索历史、浏览行为、profile 属性，以及全体用户聚合的 population-level demand pattern；真实电商数据实验显示，仅靠总体需求分布无法稳定解析 under-specified query…
出现于日报：07-03
- 5. AI Innovations in Meta Ads Ranking Driving Advertiser Performance
Meta 的广告排序实践文章从产品侧介绍其近期 ads ranking 架构演进，重点提到 GEM、Lattice、Andromeda 等模块：GEM 承担更强的生成式/表征能力，Lattice 管理大规模广告知识与特征组织，Andromeda 面向候选检索与排序效率。虽然不是论文式实验报告，但它清楚展示了工业广告推荐从单点 CTR 模型转向多组件、分层、强表征的个性化排序系统。
出现于日报：07-03
- 6. Planning over Matrix-Factorization MDPs for Candidate Generation
这篇 KDD 2026 workshop 论文把候选生成重新表述为 Matrix-Factorization MDP：每推荐一个 item，用户向量会因 fold-in 更新，下一步最优候选也随之变化。作者在固定 embedding 下比较静态 top-K、一步 lookahead 和 horizon-K MCTS，覆盖 5 个数据集与 2 种协议（per-user leave-last-n 和更严格的 global time…
出现于日报：07-03
- 7. ScaleToT: Generalizing Structured LLM Reasoning for Billion-Scale Low-Activity User Modeling
针对数十亿低活用户缺乏交互历史、LLM 在稀疏 profile 上推理不可靠且全量推理算力不可承受的问题，ScaleToT 先用 LLM 在小样本上构造带类型的 user-state chain（有界熵引导的 Tree-of-Thought 精炼），再用 SFT + OSIPO（Outcome-Driven Segment-Aware Implicit Reward 策略优化）把推理蒸馏进 student…
出现于日报：06-29
- 8. SocialPersona: Benchmarking Personalized Profiling and Response with Multimodal Social-Media Context
现有个性化评测多停留在记住用户在对话里明说的偏好，SocialPersona 转而考查 MLLM 能否从用户社媒时间线（文本+图像+时间戳）反推 revealed preference。基准取自 171 名真实非营销用户的长时间线，含 2,597 条人工核验偏好标签、覆盖 7 个兴趣域，并区分稳定兴趣与近期兴趣；设构造结构化用户画像和按画像生成回复两个任务…
出现于日报：06-29
- 9. From Clicks to Intent: Cross-Platform Session Embeddings with LLM-Distilled Taxonomy for Financial Services Recommendations
金融场景里登录前 web 浏览（探索新产品）与登录后 app 行为（账户服务）差异大，且匿名 web session 难与认证账户做实体对齐，导致 web 意图信号在登录后个性化中被浪费。本文用自监督 Transformer 把多模态点击流编码成紧凑 session embedding，再用 LLM 生成意图 taxonomy 并蒸馏成可解释标签…
出现于日报：06-29
- 10. CoPersona: Collaborative Persona Graphs for Robust LLM Personalization
CoPersona 解决 LLM 个性化中常见的稀疏用户历史问题：多数用户只有少量交互，即使重度用户的日志也只覆盖偏置的偏好切面。论文提出 collaborative persona graph，把用户历史拆成多个 facet-level representation，并在 multiplex persona graph 上建模 peer-to-peer 的切面对齐…
出现于日报：07-03