- 1. LazFormer: Scaling Transformers for Industrial Recommendation via Transferable Generative Pre-training · 📖 深度解读
针对工业 CTR/CVR 排序的预训练迁移与稀疏参数过拟合问题，LazFormer 用零初始化残差适配器接入排序特征，结合请求级长序列计算及逐轮重置稀疏参数。默认模型 CTR AUC 达 0.7735，优于 OneTrans 的 0.7661；两周线上实验 GMV 提升 9.85%，但 A10 单机吞吐下降 12.1%。
出现于日报：09-16
- 2. UniRec: Cross-stage Multi-Task Fusion with Preference Alignment for Cascaded Recommender Systems · 📖 深度解读
论文针对粗排与精排各自优化多目标融合、导致下游偏好被上游过滤的问题，联合训练共享 embedding 的双阶段融合模型，并加入偏好对齐与属性组内正则。快手一周、20%流量实验中，应用使用时长提升0.616%，总观看时长提升0.675%；公开RecFlow上精排NDCG@10为0.0990，高于UMRE的0.0947。
出现于日报：09-14
- 3. Generate to Explore, Select to Exploit: Aligning LLM-based Headline Generation with Personalized Recommendation · 📖 深度解读
GESE 面向个性化标题展示，将多样候选生成与在线点击选择拆分：Qwen3-14B 通过 GSPO 学习兼顾吸引力、忠实性和多样性的标题集合，再由反馈驱动排序器选择。在线相对原始标题 CTR 提升 2.57%、停留时长提升 0.87%；去掉质量约束会使 NLI 分数从 80.17 降至 47.32。
出现于日报：09-16
- 4. ChronicleRec: Pre-training Temporally Anchored Tokens for Lifelong User Modeling · 📖 深度解读
ChronicleRec 将超长用户历史压缩成按时间排列、可缓存的 Chronicle Tokens，通过近细远粗合并、因果查询交错和多时间跨度分支保留长期兴趣。KuaiRand 上多分支 GAUC 为 0.5580，接近全注意力的 0.5601；微信朋友圈广告七天实验 GMV 增加 1.61%，95% 置信区间为 0.678%–2.547%。
出现于日报：09-15
- 5. PinDCO: Whole-Page Aware Dynamic Creative Optimization at Scale · 📖 深度解读
PinDCO 面向 Pinterest 广告创意个性化选择，以组件专属塔预测相对广告基础分的增量，并用像素惩罚约束大图挤占相邻内容。探索流量改善训练数据，本地粗筛、缓存和动态分批控制服务成本；线上广告 CTR 提升 3.09%，成功会话数提升 0.04%，去掉动态分批后 P99 延迟增加 87%。
出现于日报：09-15
- 6. Balancing Trial and Reorder: A Hybrid Sequential Transformer-GBDT Ranker for On-Demand Delivery · 📖 深度解读
Wolt 的 UVR 将双向 Transformer 用户序列表征接入 GBDT 排序，以样本加权和标签平滑平衡新店探索与复购，并统一餐饮、零售排序。V1 线上新店尝试率提升 5.5%、整体转化率提升 0.16%；V3 零售新店尝试率再提升 1.31%，服务端到端 p99 约 60 毫秒。
出现于日报：09-17
- 7. Single-Token Expected-Value Scoring for Cold-Start Candidate Ranking · 📖 深度解读
针对招聘平台缺少行为日志的冷启动排序，论文将职位与候选人的匹配程度映射为五级标签，用首个输出 token 的概率期望计算连续分数，并以 MSE 与交叉熵联合微调 Qwen3-8B。线上实验中，雇主侧低相关率下降 27.31%，候选人保留率提高 7.07%；该收益相对原有启发式基线。
出现于日报：09-18
- 8. MIMA: Multi-Interest Recommendation via Multi-Positive Exclusive Assignment
MIMA 针对多兴趣向量坍缩，将同一请求内的多次正反馈组成集合，用因果解码器产生互补兴趣，再以匈牙利匹配将不同正例分配给不同兴趣。轻量路由器校准各兴趣通道分数；电商首页七天 A/B 实验成交笔数增加 5.60%、成交金额增加 5.44%，独占曝光占比增加 5.12 个百分点。
出现于日报：09-15
- 9. P3Rec: Distilling Prior--Posterior Preference Reasoning for LLM-based Recommendation
P3Rec 将不依赖目标物品的先验兴趣与目标条件下的后验偏好共同蒸馏到轻量推荐器，并用兴趣熵校准用户表征。Amazon Sports、Beauty、Toys 三个数据集上，相对 R2END 的平均指标增幅分别为 8.52%、11.81%、7.65%；Beauty 的 NDCG@10 从 0.0506 升至 0.0575。
出现于日报：09-16
- 10. PCap: Personalized Retrieval-Stage Diversity Capping in Facebook Marketplace · 📖 深度解读
PCap 以历史点击类别的香农熵刻画多样性偏好，将用户划为六组，在召回分片和聚合阶段实施个性化类别上限，并在线搜索各组参数。相对统一限额，Facebook Marketplace 商品详情点击提升 0.2250%、会话提升 0.1708%，额外平均延迟为 0.8 毫秒；消息互动变化未达显著。
出现于日报：09-17