推荐算法日报 · 2026-09-07

总览

今天这批货整体质量在线，两条主线都很清晰：一条是推荐系统结构层面的探索，另一条是电商搜索里生成式召回与对齐的工程化落地。前者那篇 MORE 把多任务信号从塔里搬进 backbone，用 Anchor Tokens 打破 task-blind 的僵局，ablation 里还点出任务隔离比容量更关键，是值得细读的思路型工作；后者那篇 EAGER 深耕 I2Q 场景，两阶段连招和课程学习的设计非常务实，虽然算法创新不强，但胜在把已知组件拼成了能上线的完整系统。今天如果要选着看，建议优先啃 MORE，你会看到近期统一架构演进的一个新方向。

论文列表

1. Task-Blind No MORE: Multi-Task Information Flow in Unified Ranking Backbones

• 论文链接：AlphaXiv
• 更新时间：2026-09-07 09:36 UTC
• 机构：Hello Group，University of Science and Technology of China，Institute of Software, Chinese Academy of Sciences，University of Chinese Academy of Sciences 等 5 家机构
• 工业优先级：强
• 备注：Accepted at CIKM 2026

多任务信息流不再被截断，MORE帮你省30%延迟

各位算法同学们，多任务建模和统一骨干网络难道只能一个在头一个在底吗？MORE论文给出的答案是：把任务信号直接灌进每一层骨干，让任务表征和序列特征一起进化。这篇 CIKM ’26 的工作来自陌陌等团队，实测线上时长+3%，交互+3.6%，深聊+2%，值得各位做工业排名模型的同学细品。

📄 Task-Blind No MORE: Multi-Task Information Flow in Unified Ranking Backbones

🔧 技术创新点一：提出 Anchor Tokens 贯穿骨干网络，共享 Anchor 编码跨任务共性，私有 Anchor 捕获各自任务先验。 🧩 技术创新点二：每个 MORE Block 里，Anchor Tokens 先做任务条件化的序列读取，再加任务边界 mask 做选择性语义混合，最后通过独立分支精炼任务表征，避免任务间干扰。 ⚙️ 技术创新点三：任务信息不再只在浅层塔里做后融合，而是与用户行为和特征逐层协同演化；同时可支持请求级并行打分，模型不改就降约 30% 在线延迟。

📊 离线实验在百万级工业数据上，七个子任务全部取得正向 GAUC 提升，且参数量和 FLOPs 预算与基线相近。 📈 线上 A/B 测试在陌陌上进行，使用时长提升 3%，互动率提升 3.6%，深聊率提升 2%。 ✅ 已部署到生产环境，请求级共享计算让打分延迟降低约 30%，没有牺牲指标。

总结感想：这个思路把多任务从塔里挪到 backbone 内部，确实解决了 task-agnostic 骨干的结构性瓶颈。想落地的话，主要看你们是否有明确的共享/私有任务边界，比如点赞和聊天这类强异质场景会很受益；如果任务语义太接近，可能会增加 mask 调参成本。建议盯紧 GAUC 和延迟双指标，不要光看 AUC。

2. EAGER: Enrich-and-Align Generative Query Recommendation from Clicked Items in E-commerce Search

• 论文链接：AlphaXiv
• 更新时间：2026-09-07 07:44 UTC
• 机构：未披露机构
• 工业优先级：强
• 备注：Accepted to the EMNLP 2026 Industry Track. 13 pages, 6 figures

点击商品生成搜索词？EAGER这么练

各位算法同学们，一个点击背后能藏多少种购物意图？过去靠历史日志挖query，长尾和新品直接躺平；现在EAGER用生成式模型直接把query写出来，还拉上强化学习做线上对齐，这套方案已经在电商平台上线了。

📄 EAGER: Enrich-and-Align Generative Query Recommendation from Clicked Items in E-commerce Search

🔧 两阶段设计是核心：SFT先做“扩写”，把点击商品和用户上下文变成一长串候选query；再用GRPO做“对齐”，把线上规则和真实点击偏好一起优化进奖励。 🧩 SFT里面藏了个四段课程：从只看商品生成query，到加思维链，再到引入用户信息，最后让模型边分析边生成，难度一点点抬起来。 ⚙️ 还搞了个偏好感知奖励模型PARM，先预测用户会不会点这个query，再决定要不要把它当训练标签，比直接拿LLM生成结果当监督靠谱。

📊 三种监督源——点击query、点击后搜索query、LLM补充query——离线跑完，意图覆盖和多样性明显压过历史池挖掘。 📈 GRPO奖励里混了8条规则奖励，格式、长度、重复全给你管住，再用PARM当点击奖励，A/B测试比纯SFT更贴近真实投放。 ✅ 最终在一个大型电商平台完成生产部署，能在真实流量里活下来，这个份量比一个刷出来的涨点更有说服力。

做电商搜索或推荐的同学可以借鉴这套“先丰富再对齐”的框架，它把业务约束和用户点击信号揉进了训练目标，落地思路很清晰。坑在于奖励权重和课程顺序要慢慢调，换场景还得重新清洗标签；个人判断是，可以先盯GRPO混合奖励的稳定性和线上格式违规率再动手迁移。