- 1. SlimPer: Make Personalization Model Slim and Smart · 📖 深度解读
SlimPer 将个性化排序改写为对紧凑用户—物品知识库的逐层迭代精炼，每层按需查询多模态用户 token，并以固定中间表示实现 O(N) 复杂度。模型把深度与历史长度解耦，已部署于 Instagram Reels 和 Feed，可建模超过 1 万条细粒度历史事件；论文未公开具体线上提升值。
出现于日报：07-16
- 2. CMSL: Constructive Multi-Sequence Learning for Recommendation Systems · 📖 深度解读
针对单一行为序列中多兴趣相互争抢注意力、形成上下文污染的问题，Meta 提出 CMSL，在隐空间主动构造多条主题序列并分别建模。模型以 300亿至500亿条样本、128 张 H100 训练；四个线上场景的排序 NE 改善 0.06%至0.13%，召回 A/B 指标提升 0.092%至0.171%。
出现于日报：07-15
- 3. Prompt Generation Technical Report · 📖 深度解读
论文把生成式搜推的特征处理从模型代码中解耦，以两份声明式 JSON 统一离线训练和在线服务，并用四类特征、三种可组合组件完成组装与压缩。该框架已部署于淘宝搜索，线上 A/B 实验使成交笔数提升 0.47%、GMV 提升 0.51%，并复用于多个搜索推荐团队。
出现于日报：07-15
- 4. Learning to Forget: Satiation-Aware Long-Sequence Transducers for Mitigating Post-Purchase Redundancy · 📖 深度解读
SAM 针对购买后仍反复推荐同类商品的“兴趣退出”问题，用双路交叉注意力压制已满足意图、用时间敏感门控逐步唤醒补购需求，并通过下一次购买时间自监督任务学习商品生命周期。工业离线实验和线上 A/B 测试显示，购买后重复推荐率降低超过 60%。
出现于日报：07-16
- 5. ZoRRO: A Zero-Weight Personalized Recommender System for Scalable News Recommendation
ZoRRO 用文章时效衰减、语义相似度与类别相似度构成无训练参数的新闻推荐器，可直接接入快速更新的内容池。在含 3700万曝光、100万用户和12.5万篇文章的 EB-NeRD 上，AUC 为63.80，高于 NRMS 的62.46；六天线上 A/B 中 CTR 接近深度模型，同时推理速度超过其600倍。
出现于日报：07-15
- 6. Cheaper is Better: A Discount-Aware Network for Conversion Rate Prediction in E-commerce Recommendation System
DANet 显式建模折扣率对电商 CVR 的影响：傅里叶时频模块捕捉长期价格周期，分布去偏模块修正促销与用户购买组合偏差，再以折扣回归辅助任务强化数值表示。离线 AUC 提升 1.61%，天猫线上实验中 pCVR 提升 3.63%、GMV 提升 2.23%。
出现于日报：07-16
- 7. TMallGS: Scaling Unified Feature and Sequence Modeling for Generative E-commerce Search · 📖 深度解读
针对工业 CTR 排序把异构特征一律 token 化后出现的信号稀释问题，TmallGS 组合分布校准投影、字段自适应门控 Transformer、FiLM 晚融合、偏差解耦与渐进训练。在 5 亿级天猫搜索样本上，离线 AUC、GAUC 分别提升 1.12%、1.26%；30 天线上实验使 UCTCVR 提升 1.38%、GMV 提升 1.52%。
出现于日报：07-17
- 8. Personalizing Incremental Video Search with Hybrid Text and ID Embeddings · 📖 深度解读
Apple TV 将对比学习的多语言文本向量与交互训练的 ID 协同向量汇成用户近期历史特征，再把两类余弦相似度注入 pairwise XGBoost 排序器。离线 NDCG@10、MRR 分别提升 2.99%、3.30%，1–3 字符前缀的 NDCG@10 增益达 8.63%；三周线上实验使点击率和转化率提升 1.14%、1.23%。
出现于日报：07-17
- 9. Not Only NTP: Extending Training Signal Coverage for Generative Recommendation
NONTP 用两个仅训练期启用的辅助目标补足下一 token 预测的局部性：TCL 对齐未来 K 步轨迹，TDL 为跨域上下文建立额外梯度路径，推理零开销。美团四域全量排序数据上 HR@10 较 NTP 提升 34.3%，线上 CTR 提升 1.8%、GMV 提升 2.1%。
出现于日报：07-16
- 10. POEM: Partial Order Enhanced Real-time Sequential Modeling for Recommendation · 📖 深度解读
POEM 利用推荐级联链路中实时产生的 CTR、观看时长等多任务分数，经归一化逆排名加权构造动态偏序序列，再用系统偏好正样本、用户反馈正样本和图挖掘硬负样本训练双编码兴趣模型。该方法已在快手全量部署，KS 单列页与极速版的人均观看时长分别提升 0.249% 和 0.213%。
出现于日报：07-17