- 1. PailitaoMMSearch2.0 Technical Report: Scaling Generative Retrieval to Unified End-to-End Multimodal Search · 📖 深度解读
淘宝拍立淘里，用户拍一件衬衫再说「找条配它的短裤」，要的是搭配而不是同款。传统做法先分意图、再分发到不同召回通道，任何一步分错后面全错。阿里这篇技术报告让一个 2B 视觉语言模型直接读原图和原话，生成商品的 Semantic ID，不需要意图标签。优秀率指前 10 个结果里被评审模型判满分的比例。「找搭配」请求的这一指标从多路召回链路的 44.2% 提到 74.3%，线上 GMV 提升 8.94%，已全量上线。
出现于日报：10-29
- 2. PinGER: Token-Efficient Generative Retrieval with Semantic IDs · 📖 深度解读
生成式召回把每个物品编成多层 SID 逐层生成，代价是输入侧每个历史物品要占好几个 token。Pinterest 的 PinGER 在训练时给每个物品的 SID 后面再放一个稠密向量 token，并规定任何 token 读取别的物品时只能看它的稠密 token，不能看它的 SID。于是服务时可以丢掉历史里的全部 SID，每个物品只占 1 个 token，结果不变。它把输入压缩做成了训练时的结构约束…
出现于日报：10-28
- 3. SLIDE: Search-to-List Item Distillation for Single-Rollout Generative Retrieval · 📖 深度解读
生成式召回线上通常用束搜索出候选，各条束互不可见；想让模型一口气写出整张列表，最直接的贪心解码效果却差得多。淘宝的 SLIDE（一种把离线搜索结果蒸馏成列表的训练方法）把搜索挪到离线：教师对每个训练请求跑束搜索，把搜出的商品按得分拼成一条长序列，学生照着学，线上只贪心解码一遍。它把线上的搜索成本换成了离线的标注成本。教师用 7B 时，0.5B 学生的 HR@10 达到 0.4578，反超同尺寸模型束搜索的 0.4498。
出现于日报：10-28
- 4. KL-MOPD: Discrepancy-Aware Multi-Objective On-Policy Distillation for Generative Recommendation · 📖 深度解读
把点击老师和价值老师一起蒸馏进生成式推荐时，每个 token 平分权重并不公平：在 TencentGR 上，学生生成第 1 个 token 时离价值老师的 KL 是离点击老师的 3.13 倍，而且难学的老师在后两个 token 换成了点击老师。浙大和阿里的 KL-MOPD 在训练前算一次学生离两个老师的距离，每个 token 上离得更远的老师拿更大的权重，训练时没有额外开销…
出现于日报：10-29
- 5. Latent Residual Reasoning for Ranking in Generative Recommendation · 📖 深度解读
生成式排序模型一次前向就给所有候选打完分，没有机会再细看、修正。美团和中科大的 Refiner 在这之后再多算几步：给每个候选接一个推理 token，每一步只预测加到原分数上的修正量，原模型完全冻结，只训练 LoRA 和新输出层。在 Steam 数据集上，它把美团的生成式排序模型 MTGR 的 AUC 提到 0.7872；接在线上模型之后做 A/B，点击率提升 0.75%…
出现于日报：10-29
- 6. MuSID-KD: Multigranularity Knowledge Distillation for Generative Recommendation with Semantic IDs · 📖 深度解读
把 SID 生成式推荐模型蒸馏成小模型时，通常只让学生对齐教师在最终推荐物品上的概率分布。华东师大的 MuSID-KD（一种按 SID 层级做多粒度蒸馏的方法）发现这样不够：只对齐物品分布的学生，在 SID 中间层给候选组排出的先后，平均有 53.8% 的比较和教师不一致。教师的知识不只在最后一层的物品概率里，也在每一层前缀的排序里。在三个 Amazon 数据集上，它的 NDCG@10 比基础蒸馏平均高 8.31%…
出现于日报：10-28
- 7. From Item Scores to Semantic Tokens: Test-Time Collaborative Adaptation for Generative Recommendation · 📖 深度解读
用 Semantic ID 做生成式推荐时，模型要逐个 token 生成商品编码，束搜索每一步只留下分数最高的几条前缀，一条前缀被剪掉，它下面的所有商品就再也生成不出来。用户刚冒出新兴趣时，这个问题最明显。这篇论文提出 TCBSA（测试时协同束搜索调整），在每次剪枝之前，把打分模型给出的商品分数折算成对编码前缀的加分：打分模型先给全库商品打分，取排名靠前的几百件，把每件商品高出入围线的分差摊到它编码经过的每一步上…
出现于日报：10-26
- 8. PinRec: Unified Generative Retrieval Model for Pinterest Recommender Systems · 📖 深度解读
推荐系统里首页、搜索和相关推荐通常各有各的召回模型，因为三处要的东西不一样：首页看用户会不会保存，搜索看会不会点出去购买，相关推荐看会不会继续往下逛。Pinterest 这篇 KDD 2026 论文把三处换成同一个生成式召回模型 PinRec，先在全站行为上预训练，再用各场景日志微调，生成时还告诉模型这次要找哪种行为的物品。真正起作用的是按目标行为生成，统一模型本身收益小得多…
出现于日报：10-27
- 9. JevRec: Linguistic Encoding with Jev-like Decision Modeling for LLM-based Generative Recommendation · 📖 深度解读
多数生成式推荐给所有物品同样长度的 SID，热门物品反复为细粒度编码付出成本，缩短编码又会压缩长尾物品的语义。JevRec 借鉴自然语言里常用词更短的规律：先用残差量化给每个物品编出 4 级编码，每一级各有一张所有物品共用的向量表（论文叫码本），每级记下离剩余误差最近一项的序号，越往后越细。它按训练集交互频率把物品排序分组，越热门的组截掉越多末尾的细粒度编码，长尾物品保留完整描述…
出现于日报：10-29
- 10. REGER: Modeling inter-item Relations with Semantic IDs for Generative Recommendation · 📖 深度解读
交叉熵只告诉生成式推荐正确 token 是哪个，其他候选谁更好没有任何信号。电子科大的 REGER 把传统序列模型对全部物品的打分，在正确答案的每个前缀上按下一个 token 所属的分叉把物品概率加总再归一化，得到每一步的分叉偏好，让生成模型去对齐。单独加到 TIGER 上，Beauty 数据集的 Recall@10 从 0.0673 提到 0.0794，推理时间不变，说明它是一个几乎免费的训练改动。
出现于日报：10-29