推荐算法日报 · 2026-08-21

1 minute read

总览

今天这批货整体偏工业落地，干货不少，最明显的信号是生成式模型和LLM开始真正往推荐系统里扎，但都不是花架子，全都有线上验证。值得优先细读的是小红书的两篇——GateDiffInt把扩散去噪和意图提取做成闭环，直接戳中噪声和意图互相纠缠的痛点，OneModel则展示了多场景统一排序的完整工程解法，从特征、模型到延迟优化都交代得很实在；Netflix那篇多模态embedding虽然方法不新，但筛选embedding的探针任务和A/B验证思路特别值得抄作业。另外美团和淘宝的LLM应用也各有亮点，一个做推理+检索的个性化，一个用LLM代理做实验优化，但都更偏探索性。今天优先看GateDiffInt和OneModel，能给你不少工业落地的启发。

论文列表

1. GateDiffInt: Gate-Mediated Controllable Diffusion and Multi-Intent LLM Distillation for User Behavior Modeling

  • 论文链接：AlphaXiv
  • 更新时间：2026-08-19 10:14 UTC
  • 机构：Fudan University，Xiaohongshu Inc.
  • 工业优先级：强

噪声和意图纠缠？双门控扩散破解

各位算法同学们，行为序列里的噪声和真实意图不是各过各的，而是互相纠缠——噪声稀释意图，缺少意图先验又让去噪没方向。这篇来自复旦+小红书的 GateDiffInt 直接用转化信号当共享监督，把去噪和意图提取放进同一个目标里，线上已部署在首页主流量。

📄 GateDiffInt: Gate-Mediated Controllable Diffusion and Multi-Intent LLM Distillation for User Behavior Modeling

🔧 技术创新点 🔧 提出 Noise-Intent Coupling (NIC) 现象，拆成 NID（噪声导致意图漂移）和 IDF（无意图先验的去噪失效），并用诊断实验证实两者存在。 🧩 Gate-Mediated Controllable Diffusion (GMCD)：按行为可靠性做掩码和加噪，用 DDIM 确定性采样去噪，再用双门控融合去噪表示和原始表示，同时输出可解释的位置重要性信号。 ⚙️ Multi-Intent LLM Distillation (MILD)：用冻结 LLM 做教师，蒸馏出长期、短期、潜在、转化四类意图向量，用 per-intent LoRA 路由防止四头坍缩，满足线上延迟约束。 ⚙️ 两阶段训练：先分别预训练 GMCD 和 MILD，再冻结骨干、注入 LoRA 联合微调到 CVR 目标，让去噪和意图提取互相校准。

📊 实验效果 ✅ 公开集 Taobao 上 AUC 0.8515，比最强基线 DMIN（0.8397）提升明显；Amazon-Electronics 上 AUC 0.8016，比 HSTU（0.7829）高近 2 个点。 ✅ 工业数据集上相对 HSTU：AUC +3.00%，GAUC +1.82%，LogLoss 改善 2.81%。 ✅ 线上 A/B 14 天，GMV 显著提升 +1.13%，已全量到主feed，累计 GMV 增益 +5.13%。 ✅ 诊断实验：NID 下意图漂移比无去噪版本低约 6.5 倍；对弱信号的保真度从普通扩散的 0.44 提升到 0.98。

总结感想：这条路子对工业排序挺有参考价值，核心是用任务监督把去噪和意图捏在一起，而不是各搞各的。落地要注意工程成本：LLM 蒸馏和双阶段训练都不便宜，线上节奏是周级预训练+日级 LoRA 微调，想复现得先把数据管道和资源预算算清楚。还有位置重要性信号的质量很关键，别只盯 AUC。

图 1（方法 / 架构） 图 2（实验结果）

2. Multimedia Asset Personalization via Multimodal Embeddings at Netflix

  • 论文链接：AlphaXiv
  • 更新时间：2026-08-18 21:15 UTC
  • 机构：Netflix，Cohere
  • 工业优先级：强

精读生成失败

（这篇的精读暂时没能生成出来，原因：Expecting value: line 1 column 1 (char 0)。可以先看上面的总结和图表。）

图 1（方法 / 架构）

3. OneModel: A Unified Foundation for Platform-Scale Multi-Scenario Ranking

  • 论文链接：AlphaXiv
  • 更新时间：2026-08-19 06:50 UTC
  • 机构：Algorithm, Xiaohongshu，Inference Infra, Xiaohongshu，Training Infra, Xiaohongshu，Xiaohongshu
  • 工业优先级：强

一个模型扛起全场景排序，小红书OneModel的工程魔法

各位算法同学们，你们有没有想过，推荐、广告、商家三个场景的排序模型其实可以合并成一个？小红书这篇OneModel直接上线验证，线上广告CTR涨了8.18%，商家GMV也涨了，而且推理延迟还从270ms降到90ms。这篇不是画饼，是已经跑在生产环境里的真东西。

📄 OneModel: A Unified Foundation for Platform-Scale Multi-Scenario Ranking

🔧 技术创新点：第一，把不同场景的异构行为统一映射成共享事件序列，用场景感知投影和结构上下文编码对齐特征空间，让一套模型吃下混合历史。第二，引入Scenario-aware Information Modulation（SAIM），在FFN里加场景条件门控，既共享大部分参数，又能按业务流做通道级调制，缓解跨场景干扰。第三，优化在线serving，用分层用户表示、用户特征预取、共享user-tower计算和图级推理优化，把长序列模型变成可落地的工业方案。

📊 实验效果：离线广告流上，统一训练的OneModel比GenRank的Ads Click AUC高6.4‰，比单独训练的广告模型高3.0‰。线上A/B测试中，Explore Feed的Engagement提升1.25%，Feed Advertising的广告价值提升3.43%，CTR提升8.18%，Merchant Recommendation的DGMV提升1.1867%，GPM提升2.1585%。更关键的是，模型参数从173M涨到230M，但延迟反而砍掉66.7%，这个工程优化是真的狠。

总结一下，OneModel的价值在于证明了多流共享不是牺牲精度换成本，而是能同时提效和降本。对做多场景推荐或者广告排序的同学来说，这套“共享长序列骨干+场景调制+分层用户表示”的框架值得参考，但落地时要盯紧跨场景负迁移和延迟指标，别只看离线AUC。

图 1（方法 / 架构） 图 2（实验结果）

4. PILOT Technical Report

  • 论文链接：AlphaXiv
  • 更新时间：2026-08-19 07:35 UTC
  • 机构：未披露机构
  • 工业优先级：强
  • 备注：Technical Report, 42 pages, 10 figures

PILOT：推荐调参从被动变主动⚡

各位算法同学们，推荐系统优化还在等指标跌了再调参？这篇工作把LLM agent从“反应式调参工”变成了“主动设计实验的试错官”，还在淘宝5个实验桶上验证了一轮。

📄 PILOT Technical Report

🔧 核心创新一：Experiment Manager。它不再是看到指标波动才动手，而是主动管理整个实验生命周期：任务接入、观察治理、异常恢复、复盘。但每一步都只能从规则生成的合法指令里选，安全和统计边界由确定性服务锁死，LLM不能瞎推理。

🧩 核心创新二：Search Planner。优化不再只做全局调参，而是生成决策树，按用户分群绑定不同策略包，做到人口级别的个性化。候选来自确定性基线、LLM带证据的假设和受限探索三条路，上线前必须过确定性校验。

⚙️ 核心创新三：Memory Curator。实验结算后异步蒸馏，把结果拆成“策略证据”和“方法经验”两个存储。前者只记策略之间的对比结果，后者记录方法来源和置信度生命周期，并用fork-merge隔离任务分支，避免跨任务污染。

📊 线上效果：淘宝首页猜你喜欢，5个实验桶。PILOT最好桶IPV +1.40%，Core IPV +1.60%，成交笔数 +0.96%，成交金额 +1.50%。 📈 对比ROAM（无生命周期治理的自由探索agent），ROAM最好桶是+1.00% / +0.90% / +0.60% / +1.13%，PILOT四项全部更高。 ✅ 搜索效率从53.3%提到93.3%，涨了40个百分点，整个实验周期零人工干预。

这套框架的价值在于把LLM的“判断权”锁进规则笼子，决策树做分群个性化，记忆沉淀形成方法论飞轮。对大流量平台和有成熟AB统计基建的团队，值得盯线上收益的持续性和策略证据的质量；小团队直接复刻成本不低，坑主要在随机化、权限控制和统计校验上。

图 1（方法 / 架构） 图 2（实验结果）

5. Think-to-Personalize: Unifying Reasoning and Retrieval for User-Centric Personalized Dense Retrieval

  • 论文链接：AlphaXiv
  • 更新时间：2026-08-19 12:28 UTC
  • 机构：University of Science and Technology of China，Meituan
  • 工业优先级：强
  • 备注：Accepted at CIKM 2026. 11 pages, 8 figures, and 9 tables

检索之前先想一步？TTP把推理揉进召回✨

各位算法同学们，过去做个性化检索都是把用户历史拼进特征再学个向量，但有没有想过：与其让模型自己从嘈杂行为里猜意图，不如让它先把“这人到底想买啥”推理出来，再拿这个推理结果去检索？今天这篇美团和科大的工作就把这件事做成了端到端，线上订单量还涨了。

📄 Think-to-Personalize: Unifying Reasoning and Retrieval for User-Centric Personalized Dense Retrieval

🔧 核心创新是把用户历史序列和当前query一起喂给LLM，让它先输出一个意图增强query，再取向量做检索，整个过程共享同一个编码器，推理和召回被绑在一起优化。 🔧 训练分两段：第一段SFT用生成损失加InfoNCE对比损失做冷启动，让模型学会格式和基本检索能力；第二段用GRPO做强化学习，奖励函数不只看格式和长度，还专门设计了检索奖励，衡量重写后的query相对原query在正样本得分和负样本区分度上的增益。 🔧 避免过个性化的坑：数据构造时用大模型生成5个候选重写，再用重排器按与真实购买item的相关性增益过滤，只保留收益为正的样本，并且保留一部分“不改写”的样本，让模型学会什么时候该收手。

📊 在自建数据集上，TTP在General上Recall@20达到47.52%，比最强的隐式建模基线MAPs高1.76%；在Broad这种模糊query场景，Recall@20比Qwen-Embedding高7.47%，说明它对意图消歧特别有效。 📊 在公有Amazon和KuaiSearch上也是全面领先，Amazon的HR@20到90.17%，KuaiSearch的HR@20到21.94%，都比Decoupled-Stage这种拆成两段的强。 📈 线上A/B测试订单量提升0.46%，虽然数字不大，但检索场景这种量级已经能说明问题了。

总结一下，这个思路适合那些query短、历史行为丰富的电商/本地生活场景。注意点是推理会带来额外延迟，论文里加了长度惩罚来控制输出，落地时得评估线上时延；另外RL阶段的检索奖励依赖SFT模型打分，如果SFT模型本身很拉，奖励信号也不可信，所以先得把第一段训扎实。

图 1（方法 / 架构）

Updated: