- 1. Preserving Item Semantics for Free: Rethinking Token Initialization in LLM-Based Generative Recommendation
论文分析 LLM 生成式推荐中 Semantic ID（SID）随机初始化会丢失物品语义、转而编码流行度，并提出直接用语义空间质心初始化 SID embedding 的零参数改动。基于 Amazon Beauty、Sports、Toys、Steam、MovieLens 五个数据集，纯 SFT 的 Recall@5 平均提升 6.5%，SFT 步数平均减少 27%，冷门物品 Recall@5 平均提升 37%…
出现于日报：08-12
- 2. Shape Your Feed: An LLM-based Agentic System for Conversational Recommendation · 📖 深度解读
Shape Your Feed 将对话式推荐拆成感知、服务和自演化三条流：感知流抽取文本、语音与界面操作中的细粒度意图，服务流借助持久语义画像进行智能体重排和裁剪，自演化流用 DPO 与 LLM-as-a-Judge 对齐行为。论文报告对齐评分准确率 98.85%，并在生产流量 A/B 中提升信息流相关性与用户情绪。
出现于日报：08-13
- 3. MERGE: Next-Generation Item Indexing Paradigm for Large-Scale Streaming Recommendation
MERGE 面向流式推荐中长尾、分布偏斜和持续变化的 item 索引问题，提出从零自适应建簇、动态监控簇占用、由细到粗层级合并的 Semantic-ID 构建流程。实验同时检查 assignment accuracy、cluster uniformity、cluster separation 三类索引质量，并通过线上 A/B 验证关键业务指标收益。
出现于日报：08-13
- 4. SAGEO Arena: A Realistic Environment for Evaluating Search-Augmented Generative Engine Optimization · 📖 深度解读
论文提出 SAGEO Arena，把检索、重排和生成串成可复现实验环境，覆盖 9 个信息检索数据集、2700 个查询和 171003 篇网页文档，并保留标题、摘要、层级标题与 Schema 等结构字段。基线检索命中率为 0.58、引用率为 0.50；按阶段优化后，检索 H@20 达到 0.75（提升 28%），生成引用率达到 0.58。
出现于日报：08-11
- 5. CoinRAG: Contextualized Information Nugget KV Cache Reuse for Long-Context RAG
CoinRAG 将长文档离线拆成带上下文的信息 nugget，在线用两阶段检索选择相关片段，再组合可复用的 KV cache，减少长上下文预填充噪声。LongBench 三个多跳问答数据集在 P99 TTFT 100ms 约束下，平均 F1 为 41.7，相比 TurboRAG 的 39.6 提升 5.3%，平均上下文长度缩短 1.84 倍；无延迟约束时平均 F1 仍提升 5.2%。
出现于日报：08-11
- 6. HCGRec: Hint-Conditioned Generative Recommendation with Semantic IDs · 📖 深度解读
HCGRec 针对 Semantic-ID 生成式推荐在 GRPO 后训练中的稀疏奖励问题：早期 token 一旦走错分支，rollout 很难到达真实物品，整组样本会得到零优势。方法仅在 checkpoint rollout 无法到达目标时注入最短 target-prefix hint，对 hint token 用监督学习、对未提示 suffix 用 GRPO…
出现于日报：08-14
- 7. From Understanding to Action: Feedback-Grounded Policy Discovery for Generative Recommendation · 📖 深度解读
论文指出，Semantic ID 生成器能捕捉行为共现，却缺少“当前需求下应该推荐什么”的策略知识。方法先由反馈驱动的智能体区分用户意图与推荐策略，再通过双空间关系蒸馏把两类知识压缩成轻量生成器的两个潜变量，线上无需调用 LLM。公开基准持续优于基线，大规模 A/B 测试带来 Revenue +4.506%、ADVV +4.621%。
出现于日报：08-10
- 8. Fine-grained Semantics Integration for Large Language Model-based Recommendation
TS-Rec 针对生成式推荐的两个瓶颈设计 SA-Init 与 TS-Align：前者用教师模型抽取关键词并对预训练 embedding 做均值池化，初始化 SID token；后者把 SID 序列中的单 token 与对应物品簇语义对齐。作者在三个真实世界基准上对比传统与生成式基线，所有标准推荐指标均保持领先，并公开实现。
出现于日报：08-12
- 9. Token-Level Credit Assignment Optimization for Generative Document Retrieval
论文把生成式检索的 DocID 自回归解码视为逐步决策，指出只在完整 DocID 结束后给 relevance reward，会把同一个反馈错误广播到所有 token。方法估计每一步 token 对对应轨迹期望检索质量的改变，形成 token-level relevance reward，并嵌入 policy optimization；在检索基准上持续超过 sequence-level reward baseline…
出现于日报：08-14
- 10. SAGE: SLO-Aware Adaptive Retrieval for Production RAG Systems
SAGE 用初始检索的分数分布、排名间隔和词法信号训练轻量策略，按 query 难度动态决定 RAG passage 数量 k，不增加 LLM 调用。Natural Questions 在 5 秒 P95 SLO 下合规率为 95%，静态 k=20 仅 30%；P95 延迟下降 36%、检索成本下降 51%，EM 仅损失 2 个百分点，并迁移到 HotpotQA、UnSeenTimeQA 和四个 LLM 家族。
出现于日报：08-12