推荐算法日报 · 2026-09-02

总览

今天这批货工业味很重，几乎每篇都有真实业务场景和线上A/B，比起学术玩具扎实不少。主线有两条：一是把特征交互和Transformer往工业规模推，以SORT最具代表性，通过系统级优化直接干翻DLRM，AliExpress线上数据很硬；二是生成式检索开始进入深水区，GeoGR、ICEGR、SPARC都在SID这条路上往前走，其中GeoGR在导航场景的三个月A/B尤其值得细读。另外SetMIR在解决多兴趣坍缩上做得很干净，和CAMIE一起代表召回侧的新尝试。今天最推荐优先看SORT和GeoGR，一个是排序架构的工程天花板，一个是生成式推荐落地的标杆。

论文列表

1. HubMixer: Progressive Latent Hub Mixing for Parameter-Efficient Feature Interaction in Recommendation

• 论文链接：AlphaXiv
• 更新时间：2026-08-31 04:55 UTC
• 机构：Kuaishou Technology，Tsinghua University
• 工业优先级：强

快手HubMixer：用潜在枢纽搞定特征交互

各位算法同学们，你们有没有想过，推荐系统里那么多特征token，直接两两交互其实是又贵又低效的？快手和清华这篇工作提出HubMixer，用一小撮可学习的潜在枢纽来组织交互，参数更少，线上转化率还涨了5.48%。

📄 HubMixer: Progressive Latent Hub Mixing for Parameter-Efficient Feature Interaction in Recommendation

🔧 核心创新是把token交互拆成三个阶段：induction——用少量可学习枢纽（latent hubs）通过cross-attention从所有token里提炼关键信息，相当于先做一次信息压缩。 🧩 第二个阶段是让这些枢纽自己在更干净的低维空间里做高阶交互，绕开直接在异构token空间里两两乱碰的问题，交互的路由更清晰、也更省参数。 ⚙️ 最后用token-conditioned readout，让每个原始token按需从交互过的枢纽里取回全局交互信号，再用残差接回原表示，堆叠多层就能从低阶到高阶渐进细化特征语义。

📊 离线实验里，HubMixer在工业推荐任务上超过了SOTA token-mixing基线，而且参数量更少。 📈 消融实验验证了hub interaction和token-conditioned readout都有效，缺一个都不行。 ✅ 在快手短视频招聘业务上做了线上A/B，简历投递转化率提升5.48%，统计显著，而且已经全量部署到生产环境了。

这个思路对做工业推荐排序的同学很友好，尤其是特征组多且杂的场景。落地时要注意latent hub的数量和维度是个超参，太小装不下信息，太大又退化成自注意力，得拿自己业务数据多调几组。另外线上部署时hub数量不大，推理开销基本可以忽略，值得试。

2. SORT: A Systematically Optimized Ranking Transformer for Industrial-scale Recommenders

• 论文链接：AlphaXiv
• 更新时间：2026-08-31 11:00 UTC
• 机构：Alibaba International Digital Commercial Group
• 工业优先级：强
• 备注：CIKM’26

📈 Transformer排序上线：GMV涨8.65%

各位算法同学们，Transformer终于把工业级排序模型的效率和效果同时拉上来了：AliExpress全量部署，在线GMV提升8.65%。这篇工作把高特征稀疏和低标签密度的问题一一拆掉，落地细节里藏了不少工程取舍，适合做推荐排序的同学细读。

📄 SORT: A Systematically Optimized Ranking Transformer for Industrial-scale Recommenders

🔧 请求级样本组织：把同一次请求里的多个候选拼进一条样本，避免重复计算用户序列和画像特征，再配合局部注意力与查询剪枝，直接砍掉长历史序列里与候选无关的注意力开销。

🧩 生成式预训练：先用用户点击序列做下一项预测，给item embedding做预热。这样在稀疏二分类标签之外额外制造监督信号，缓解大参数空间的过拟合。

⚙️ 架构细节也做了系统性改造：tokenization加入特殊token作为特征边界；MHA中引入QKNorm和attention gate稳定训练；FFN替换为稀疏MoE，扩大容量而不显著增加计算。整体也吸收了RMSNorm、RoPE、SwishGLU这类LLM常用设计。

📊 离线实验验证了跨数据规模、模型规模和序列长度的可扩展性，均优于强基线。

📈 在线A/B测试：订单量+7.47%，买家数+6.67%，GMV+8.65%。

⚡ 延迟降低62%，吞吐量提升589%，训练MFU达到45%。

对工业级排序团队，这套路把Transformer的规模化优势真正迁移到推荐场景，但复现门槛不低：请求级样本、生成式预训练、稀疏MoE和推理剪枝需要整套系统工程，单改网络结构很难出同样效果。后续要盯长序列剪枝后的推荐多样性，以及预训练分布偏移后是否需要重训。

3. HeMix: Scaling Industrial Ranking Models with Heterogeneous Token Mixing

• 论文链接：AlphaXiv
• 更新时间：2026-08-31 04:03 UTC
• 机构：AMAP, Alibaba Group
• 工业优先级：强

HeMix：推荐模型1亿到15亿还能涨

各位算法同学们，推荐模型从1亿参数干到15亿，精度还在涨，你猜怎么做的？HeMix没重设计架构，而是把序列token和特征交互全改成异构混合了。

📄 HeMix: Scaling Industrial Ranking Models with Heterogeneous Token Mixing

🔧 Query-Mixed Interest Extraction：用动态查询（来自非序列特征）和固定查询一起对行为序列做注意力，同时抓到上下文相关和上下文无关的兴趣，而且全局序列和实时序列分开建模。 🧩 HeteroMixer块：把自注意力换成“融合-交互-重建”三段式，包括multi-head token fusion、异构token交互、分组对齐重建，实现了线性复杂度下的多粒度特征交互。 ⚙️ 扩展性设计：模型宽度和深度可以独立加，从1亿参数平滑涨到15亿参数，不需要改架构，精度一直涨。

📊 离线在~100M参数量级，比DLRM基线CTR-AUC相对提升+1.64%，同时计算量比最强的对比模型还低。 📈 在线AB测试，GMV +0.88%，PV_CTR +2.74%，UV_CVR +0.84%。 ✅ 参数量从~100M扩到~1500M，性能持续提升，没有掉点。

这套设计对工业级排序团队是个不错的方向，尤其是用固定+动态查询分离长期和实时兴趣，很实用。但实现细节多，group怎么划分、重建怎么对齐得自己调，想直接抄作业怕是要花点时间。

4. CAMIE: Co-Engagement-Aware Multimodal Item Embeddings for Snap Dynamic Product Ads Retrieval

• 论文链接：AlphaXiv
• 更新时间：2026-08-31 05:05 UTC
• 机构：Snap Inc.
• 工业优先级：强

📈一个模型替代三个召回器，CTR和CVR双涨

💡 各位算法同学们，还在同时维护三个I2I召回encoder？Snap这篇CAMIE用一个MLLM统一了多模态、文本和图像检索，线上CVR最高相对提升13%。好奇它怎么让一个checkpoint同时干三种输入的活，往下看。

📄 CAMIE: Co-Engagement-Aware Multimodal Item Embeddings for Snap Dynamic Product Ads Retrieval

🔧 用LLM/MLLM做统一骨干，通过原生多模态接口把商品图像和元数据映射到同一个embedding空间，一个checkpoint同时支持多模态、text-only、image-only检索，不需要为每个模态单独训练和建索引。 🧩 从用户journey中挖co-engaged item pairs作为监督信号，用对称in-batch InfoNCE微调，让embedding表示贴近用户实际对比和购买行为，而不是纯靠内容相似度。 ⚙️ 对比实验显示，大部分离线增益来自co-engagement supervision，而不是MLLM骨干本身；但MLLM在text-only检索上带来显著优势。

📊 离线：在Snap DPA测试集上，CAMIE在Recall@10上超过最强的商业多模态embedding模型，且同一个checkpoint做text-only检索，质量损失很小。 📈 线上A/B：替换两个部署的content-based I2I encoder，相比多模态控制，CTR +0.390%、CVR +10.832%；相比文本控制，CTR +18.958%、CVR +13.12%。 ✅ 总体DPA流量：CTR +0.211%、CVR +1.911%，已上线生产。

🤔 这个工作的思路很清爽：不改造模型结构，直接用MLLM当骨干，再用co-engagement行为数据去微调。对工业I2I召回，尤其是多模态/文本/图像统一维护的场景，很有参考价值。盯住离线Recall@10和线上CTR/CVR，跟你们线上现有的基于内容的encoder对比。坑在于co-engagement pair的挖掘和过滤是重活，需要用户行为日志，没有这类数据的小团队落地效果可能打折扣。

5. SetMIR: Multi-Interest Retrieval as Set Prediction

• 论文链接：AlphaXiv
• 更新时间：2026-08-31 05:02 UTC
• 机构：Snap Inc.
• 工业优先级：强

SetMIR：兴趣不塌，召回查询省33%

各位算法同学们，K个兴趣向量练到最后变成1个，这事你遇到过吗？Snap的SetMIR把多兴趣召回当成集合预测来做，用匈牙利匹配做一对一分配，再靠presence score动态决定发几个查询，最后每个请求少发33%的ANN查询，兴趣还不塌。

📄 SetMIR: Multi-Interest Retrieval as Set Prediction

🔧 把多兴趣召回建模成集合预测，K个可学习的query通过transformer decoder解码出K个兴趣embedding，每个embedding还带一个presence score，表示这个兴趣在当前请求下是否激活。

🧩 训练时用匈牙利匹配把目标商品和query做一对一分配，匹配上的query收到检索梯度，没匹配上的query收到显式absence监督，从源头避免兴趣坍缩，不靠辅助正则。

⚙️ 推理时不再固定发K个ANN查询，而是用presence score加query级NMS，只发激活且不冗余的查询，实际查询数每请求平均少1/3。

📊 在Snap DPA数据上，SetMIR在所有指标上超过4个多兴趣召回基线，同时每个请求少发33%的ANN查询。

📈 在DPA生产栈上线后，整体CVR提升3.1%。

✅ 与item-to-item召回源对比，在相同item embedding、ANN索引和检索配额下，SetMIR带来CTR提升44%、CVR提升51%。

如果你们的多兴趣模型已经出现坍缩且查询成本偏高，可以直接拿SetMIR做对比试验；否则先观望，因为它的训练流程比常规多兴趣模型复杂不少，匈牙利匹配和presence head的联调需要一些成本。

6. GeoGR: Enabling Spatio-Temporal Aware Industrial-scale Generative POI Recommendations

• 论文链接：AlphaXiv
• 更新时间：2026-08-31 08:56 UTC
• 机构：AMAP, Alibaba Group
• 工业优先级：强

高德POI生成式推荐，CTR涨5.55%

各位算法同学们，POI推荐还没卷完？高德这篇直接把生成式推荐搬进导航场景，线上CTR涨了5.55%——不是刷点，是跑了三个月的真实A/B。看完你会明白，SID构建的姿势，可能比模型结构更决定上限。

📄 GeoGR: Enabling Spatio-Temporal Aware Industrial-scale Generative POI Recommendations（AMAP, Alibaba Group）

🔧 它首先把地理先验直接焊进SID构建：用地理约束下的共访POI对做对比学习，让跨类别协作关系（比如机场-酒店-停车场）能被显式建模，而不是只靠文本描述猜语义。 🧩 接着用RQ-Kmeans把POI表示离散化成层级SID，再用EM式迭代细化。这套流程让离散ID既紧凑又稳定，长尾POI不至于因为稀疏就学成乱码。 ⚙️ LLM训练也分了两步：先拿文本+SID混合语料做continued pre-training，把“外来token”对齐到底座LLM的语义空间，再做行为序列的SFT，让模型自回归生成目标POI的SID。

📊 离线评测在多个真实数据集上超过现有SOTA基线，不是那种勉强打平。 📈 高德平台线上跑了三个月，服务数百万用户，WINRATE提升2.91%。 ✅ PV_CTR提升5.55%，而且多场景增益一致，说明不是单一流量入口的偶然。

总结一句：这套方案的价值不在于“用LLM做推荐”本身，而是把地理协作信号从特征工程搬到了ID表示层，让生成式模型天生带空间感。落地坑也明显：SID构建和两阶段训练都不便宜，数据稀疏时EM迭代容易不稳。想上车的团队建议先盯离线召回和线上CTR的绝对值，别被相对涨点冲昏头。

7. ICEGR: An Intent-Coherent End-to-End Generative Retrieval Framework for E-commerce Search

• 论文链接：AlphaXiv
• 更新时间：2026-08-30 08:28 UTC
• 机构：未披露机构
• 工业优先级：强

🛒端到端生成式检索把意图焊死在每个环节

各位算法同学们，生成式检索在电商里最大的坑不是模型不够强，而是从语义ID构建到偏好优化，每一步都可能把query意图带偏。这篇WSDM’27的工作把意图一致性焊进GR全链路，离线Recall@20提升21.7%，在线订单量提升15.96%，能直接落地。

📄 ICEGR: An Intent-Coherent End-to-End Generative Retrieval Framework for E-commerce Search

🔧 意图感知的SID构建（IA-SID）：不是只用静态内容建ID，而是把query共点击、历史关联query揉进语义ID再离散化。内容不同但满足同一意图的商品（比如口红或项链当情人节礼物）在ID空间里也能靠得近。 🧩 合成查询增强的统一SFT（SQE-SFT）：线上日志长尾商品监督稀疏，他们用商品库自动构造多粒度合成query，把“商品记SID”改成“query生成SID”，补足低曝光商品的意图监督，训练和推理输入更一致。 ⚙️ 相关性校准的偏好优化（RCPO）：直接拿业务信号做偏好优化会让模型偏向高曝光的商品。RCPO只在语义相关候选内做比较，用行为+业务价值排序，再用pairwise margin控制更新幅度，保住相关性也不耽误商业目标。

📊 离线实验：相比基线，Recall@20相对提升21.7%，NDCG@20相对提升26.6%。 📈 线上A/B测试已部署在百度电商搜索的端到端生成式检索路径上，CTR相对提升3.52%，订单量相对提升15.96%，GMV相对提升7.53%。

✅ 对做电商检索、尤其想上生成式检索但怕长尾商品召不回的同学，这个框架挺适合参考。落地时重点盯合成query的质量和低曝光商品的召回变化，另外三个模块建议一起上，单拆一个收益会明显打折。

8. SPARC: Sequence-aware Progressive Attribute Routing and Compression Framework for Generative Recommendation

• 论文链接：AlphaXiv
• 更新时间：2026-08-31 04:31 UTC
• 机构：Alibaba Group
• 工业优先级：强

🧠 静态SID不够用？先理解再压缩试试

各位算法同学们，生成式推荐里每个历史行为只给一个token，却要装下品类、品牌、价格、行为类型和时间戳，这可能吗？SPARC说可以，而且是在不增加主模型输入长度的前提下。这篇来自阿里，专门解决静态SID放不进动态上下文的问题，思路很值得琢磨。

📄 SPARC: Sequence-aware Progressive Attribute Routing and Compression Framework for Generative Recommendation

🔧 先做字段级上下文建模：把同一字段类型（比如品牌）在用户历史里按顺序建模，得到上下文感知的字段表示，而不是孤立地看待每一次点击或购买。

🧩 再做上下文感知属性路由：综合原始字段、上下文字段和字段身份，把它们路由到固定数量的槽位中，在预算不变的前提下保留互补信息，避免直接压缩造成信息丢失。

⚙️ 最后做跨交互轻量整合：把中间token重新组织成细粒度序列，做轻量级跨交互建模，再把每个历史行为压回单个token喂给生成主模型。整体原则是“先理解再压缩”，不增加主模型输入长度。

📊 在淘宝工业数据集和两个Amazon公开数据集上，SPARC一致优于强常规基线和生成式基线。

📈 和静态压缩变体对比，提升主要来自上下文条件的信息保留，而不是压缩模块本身更强。说明“什么时候该保留什么信息”比“能不能压缩”更关键。

各位算法同学们，这个工作对工业生成式推荐很有参考价值，尤其是那些想往输入里塞更多特征又怕序列太长的场景。落地时要注意：路由槽位数量和字段选择都是超参数，不同业务可能要重新调；前处理模块虽然轻量，但毕竟多了几步，工程上要控制好延迟。