- 1. Generative End-to-end Ad Retrieval at Douyin · 📖 深度解读
针对广告生成式检索中的码本坍缩和物品碰撞，GEAR联合训练分词器、生成器与轻量重排器。BasisVQ以正交基参数化码本，前缀感知量化增强区分能力。抖音全量部署的ADSS和ADVV分别提升0.563%和0.658%，冷启动广告激活率相对提升1.46%。
出现于日报：10-02
- 2. Exploring Forum Post Retrieval with Generative Modeling
Facebook Forum在自身行为稀疏时，复用Facebook Groups训练行为和Feed Semantic ID，用3B语言模型直接生成帖子ID。固定训练预算下，三层ID的HR@10为0.0667，四层为0.0303；文本与ID对齐加动作描述使NDCG@10达到0.0420。更大模型和1000步GRPO均未带来收益。
出现于日报：10-02
- 3. Learning Multiresolution Relevance for Hierarchical Generative Retrieval
RARS把文档级相关性聚合为 Semantic ID 各层的一致条件分布，显式监督同一前缀下相关性的分支分配，避免完整ID单目标训练丢失多相关文档结构。在ESCI-US的四层RQ-VAE配置下，Recall@100从38.24提升到39.62，NDCG@10从12.00提升到13.00，均为五种子均值。
出现于日报：10-02
- 4. When the Label Ignores the Request: Auditing Policy-Selected Targets in Synthetic Conversational Music Recommendation
论文审计LLM合成对话推荐中的标签与真实请求冲突：TalkPlay开发集82个明确歌曲请求中，41个官方标签指向其他歌曲。仅对约1.5%的训练轮次补充请求满足目标，冲突切片nDCG@20从0.5231升至0.8018，相对提升53.3%，全量官方指标从0.1908升至0.1914。
出现于日报：10-02
- 5. Residual Trajectory Distillation for Generative Retrieval
ResTD将冻结残差量化索引器视为过程教师，把硬 Semantic ID 丢弃的码字偏好与多步残差轨迹蒸馏到检索训练。ESCI-US在相同1200次更新预算下，Base-FT的Recall@100为37.60、NDCG@10为11.25，四步ResTD分别达到39.58和12.99；打乱教师轨迹后收益基本消失。
出现于日报：10-02
- 6. GRP v0.1 Technical Report · 📖 深度解读
Snap 将召回、排序与奖励建模整合进同一编码器—解码器：生成多模态 Semantic ID，再用共同训练的多头模块打分，并冻结该模块用于强化学习奖励。线上先作为一路召回源，逐步旁路预排和替换弱源；最终组合实验相对生产基线使观看时长提升 0.82%、分享提升 2.56%，服务链路延迟降低 69%。
出现于日报：09-30
- 7. Can Generative Retrievers Learn Semantic IDs Without Forgetting How to Speak?
SpeakGR解决语言模型学习文档 Semantic ID 后自然语言能力退化的问题，在SID监督之外，对学生生成前缀施加冻结原模型的前向KL蒸馏，并可自适应调节保护强度。在三个模型上，MS MARCO的WikiText-2前向KL相对纯SFT下降81.3%至93.8%，同时保持有效检索。
出现于日报：10-02
- 8. FineSID: Scalable and Efficient Semantic Identifier Learning for Generative Recommendation
FineSID通过全局与局部量化和语义一致性约束，将梯度分配到整个码本，缓解Top-1硬分配导致的大量码字欠训练及ID碰撞。在Instrument数据上Recall@10从CAR的0.0624升至0.0703，Game数据上从0.0947升至0.1031；实验还检验初始化、码本利用率和训练效率。
出现于日报：10-02
- 9. Textual User Taste: Natural-Language User Context for Foundation-Model Recommender System at Scale
Spotify把收听历史、内容元数据和用户反馈生成结构化自然语言偏好，部署到数百万用户。文本与行为向量联合使用时，未来歌曲预测MRR从0.956升至0.962；搜索排序相对无上下文的NDCG@7提升2.2%，而单独行为上下文提升1.7%。画像还支持正向语言调节，但否定指令和短期适应存在困难。
出现于日报：10-02
- 10. KUAISHOU Explorer LLM-Rec Challenge 2026: Reasoning Generative Recommendation
快手LLM-Rec挑战将物品理解、用户理解、推荐和通识能力放入统一 Semantic ID 与自然语言空间，以多粒度对齐预训练和分阶段后训练研究推理推荐。公开历史统计覆盖50万用户，其中短视频行为为409416641条、平均长度818.8；短视频 Semantic ID 共享比例为20.84%，说明碰撞必须进入评测。
出现于日报：10-02