- 1. SetMIR: Multi-Interest Retrieval as Set Prediction · 📖 深度解读
工业推荐中的单一用户向量难以覆盖多兴趣，而固定多路召回又会产生兴趣坍缩和无效 ANN 查询。SetMIR 用 Transformer 与 K 个可学习查询把兴趣建模为集合，以匈牙利匹配保证一对一分工，并用 presence 分数和查询级 NMS 动态发起召回；在 Snap DPA 中减少 33% ANN 查询，整体 CVR 提升 3.1%。
出现于日报：09-02
- 2. From Language to Behavior: Scaling Sequence Transformers for Industrial Recommendation Ranking with Rec-Native Designs · 📖 深度解读
ReST 面向工业推荐排序中行为序列噪声高、时间不规则且一份用户历史需匹配大量候选的问题，采用双门控注意力、旋转位置与时间编码，并把重型可复用编码器和轻量交叉解码器拆开。生产广告平台一周 A/B 测试显示，线上 AUC 提升 1.31%，核心收入指标提升 11.93%，P99 延迟保持在 50 毫秒内。
出现于日报：09-03
- 3. HubMixer: Progressive Latent Hub Mixing for Parameter-Efficient Feature Interaction in Recommendation · 📖 深度解读
针对推荐与广告排序中异构特征直接全量混合导致参数浪费的问题，HubMixer 用少量可学习 latent hub 依次执行特征归纳、hub 间高阶交互和 token 条件化回写，复杂度从 token 两两交互转为与 T×H 成正比。快手招聘短视频业务的 7 天 A/B 测试覆盖 7.2% 流量，简历投递转化率显著提升 5.48%，模型已全量部署。
出现于日报：09-01
- 4. TGR: Advancing Industrial Recommendation from Generative-Paradigm Ranking toward Unified Generation and Reasoning · 📖 深度解读
腾讯 TGR 用 CCFormer、BARGE、HiGR 与离线 reason token 串联多任务排序、Semantic ID 生成和推理。系统已服务数亿用户：CCFormer 带来 CTR +3.57% 和广告收入 +1.71%，BARGE 的 Hit@5 提升 10.2%–16.9%，HiGR 离线列表质量提升 15.9%–21.3% 且推理提速 5 倍。
出现于日报：09-03
- 5. CAMIE: Co-Engagement-Aware Multimodal Item Embeddings for Snap Dynamic Product Ads Retrieval · 📖 深度解读
CAMIE 面向 Snap 动态商品广告的 I2I 召回，把图像与商品元数据送入同一 LLM/MLLM 原生多模态接口，再用用户旅程挖掘的共参与商品对和对称式 in-batch InfoNCE 对齐转化行为。线上替换两个内容编码器后，相对多模态对照 CTR +0.390%、CVR +10.832%，整体 DPA 流量 CTR +0.211%、CVR +1.911%。
出现于日报：09-02
- 6. From Feature Interaction to Feature Transport - A Unified Block for Scalable Recommendation Models · 📖 深度解读
论文把统一推荐模型从“层内特征交互”改写为“跨层特征运输”，提出 CRAFT 模块：由非序列特征生成可靠性感知的上下文场，再控制意图与行为序列表示的残差位移和记忆保留。在 TAAC2026 广告推荐赛上测试 AUC 达 0.838090；堆叠 6 层后升至 0.838148，并已公开代码。
出现于日报：09-04
- 7. PRIME: Mitigating Subgroup Optimization Competition in Shared CTR Top Networks with Plug-in Residual Input-Conditioned Mixture of Expert
PRIME 指出共享 CTR 顶层 MLP 会让异质用户、物品和上下文子群争夺同一组参数；在 Avazu 的 4 种模型、4 个语义字段上，语义子群梯度余弦相似度比匹配随机组低 0.23–0.37。方法以原 Dense 路径为锚，增加零初始化的低秩残差专家；在 13 种 CTR 架构上，Avazu/Criteo 的中位 AUC 分别提升 0.0022/0.0066。
出现于日报：09-02
- 8. CADET: Context-Conditioned Ads CTR Prediction With a Decoder-Only Transformer · 📖 深度解读
LinkedIn 用一个 decoder-only Transformer 换掉了原来由 DCNv2 和序列编码器组成的广告 CTR 模型。难点不在模型容量，而在广告系统的现实约束：位置要等打完分才知道，线上序列有延迟，几百个候选要在 50 ms 内打完分。CADET 把用户历史按曝光和动作交替排成一条序列，逐条预测点击；位置不当输入，而是每个位置档配一个输出头，拍卖按最终位置取用。位置只决定用哪个头的预测，从不作为当前曝光的输入…
出现于日报：08-31
- 9. Content Exploration Beyond the Feed: Creator Supply and the Shared Corpus
论文用某大型短视频平台的四组实验研究新内容探索对创作者供给和共享内容池的长期影响。八个月消融显示，生产探索使人均发布视频数提升 8.55%、至少发布一次的创作者提升 7.10%；一年用户侧消融带来视频观看量 +1.74%，但观看时长 -2.13%，揭示短期消费与长期供给的权衡。
出现于日报：09-02
- 10. Two-Sided State-Space Models for Sequential Recommendation with Non-Random Multimodal Review Feedback
TS-SSM 将评论是否产生视为非随机事件，同时建模用户偏好与物品状态的双向演化；模型融合缺失模式、多模态评论、局部图传播及正负反馈的非对称延续。在六个 Amazon 类目上，Recall@20 相对 BSARec 提升 14.8%–18.8%，平均超过 HM4SR 11.7%；Goodreads Fantasy 上从 0.5191 提升至 0.5847。
出现于日报：09-03