推荐算法日报 · 2026-09-16
总览
今天这批论文工业味很重，三篇里两篇是实打实的线上落地复盘，读起来比刷一堆离线刷榜的论文舒服，但别指望有什么颠覆性方法论——本质都是把已有模型和已有调参流程搬到更靠前的链路去解题。一条主线是「试新和复购怎么平衡」，配送场景那篇把序列模型的输出直接降格成单个标量特征喂给 GBDT，再把多目标约束翻译成样本权重和 label smoothing 去搜 Pareto 前沿，最值钱的其实是它自己坦白的那个结论：离线单目标 MRR 涨了，核心线上指标可能纹丝不动，甚至六个国家里五个倒退。另一条主线是「多样性别等排序阶段再管」，Marketplace 那篇把个性化 cap 压到检索的多源多分片链路上，熵分桶加自动调参流程，额外延迟不到 1ms，最有意思的是 edge-heavy——个性化只在偏好两端有价值，中间那批平均用户纯属白折腾；第三篇讲大规模检索里 swing 计算的高效实现，偏基础工程向，跟前面两篇的叙事不是一路。两篇落地文的毛病也很像：绝对涨幅都是千分位，词表和分桶设计要么是 transductive 要么是拍死的，冷启动和全量重训的运维代价被轻描淡写带过，所以看的时候重点盯实验设计和那些「不显著」的结果，别被标题里的正号骗了。今天优先看前两篇，尤其要细读线上 A/B 的分层结论和作者主动交代的负向结果，第三篇当工具向的补充扫一遍就行。
论文列表
1. Balancing Trial and Reorder: A Hybrid Sequential Transformer-GBDT Ranker for On-Demand Delivery
- 论文链接：AlphaXiv
- 更新时间：2026-09-14 22:25 UTC
- 机构：Wolt (DoorDash, Inc.)
- 工业优先级：强
- 备注：10 pages, 4 figures, 5 tables
外卖排序怎么平衡尝鲜和复购🔍
各位算法同学们，先来个反差点：一个排序模型把尝鲜MRR拉高12%到30%，代价是6个国家里5个复购MRR回退，但上线核心指标Global CVR统计上基本没动。Wolt这篇的看点在于，它把探索/利用这个老问题，在本地即时配送的硬约束下做成了可调、可上线的生产系统，还连做了三场A/B。
📄 Balancing Trial and Reorder: A Hybrid Sequential Transformer-GBDT Ranker for On-Demand Delivery
🔧 双阶段结构：双向Transformer编码器做用户序列建模，输出原始logit，再作为单特征喂给GBDT排序器，融合上下文、用户和门店特征；推理时再套本地配送约束。
🧩 不按品类拆模型：一个国家、全门店、跨餐厅和零售共享一套store词表，UVR直接替掉原来3个餐厅加1个零售共4个排序模型。
⚙️ 把试新/复购写成可调权重：目标端只mask最近一次购买，配合标签平滑和trial偏置样本加权，让尝鲜与复购的权衡能直接调，而不是靠拍脑袋换目标。
📊 离线尝鲜MRR相对生产模型提升+12%到+30%，但6个国家中5个复购MRR回退；混合试新和复购的Global CVR统计上不变。
📈 A/B：V1相对上一版生产排序器 +5.5% Merchant Trial Rate、+0.16% Global CVR。
✅ V2在V1基础上再加+0.45% Merchant Trial Rate；V3跨餐厅和零售统一后再加+1.31% Retail Merchant Trial Rate，三场A/B依次覆盖最大市场、全部运营国家和两个域。
总结感想：这篇对做本地生活、即时零售排序的人更有用，尤其是候选集受距离和运力约束、又背着多目标权重的团队。要盯的不是单一离线MRR，而是能同时混合试新和复购的核心CVR，以及分城市、分域的复购回退；坑在于trial偏置权重是经验调的，换市场或品类得重新校准，否则很容易用复购换尝鲜。
2. PCap: Personalized Retrieval-Stage Diversity Capping in Facebook Marketplace
- 论文链接：AlphaXiv
- 更新时间：2026-09-15 00:16 UTC
- 机构：Meta
- 工业优先级：强
- 备注：5 pages, 2 figures, 3 tables
召回阶段做多样性，VPV只涨0.3%？
各位算法同学们，多样性这件事，很多团队默认放排序阶段做重排最划算，Meta这篇偏把约束往前挪，直接卡在召回。反常识的点是：召回阶段做个性化多样性，既没伤召回量也没拖延迟，线上VPV还涨了0.3088%。这数字单看小得容易被忽略，放在Marketplace这种量级上已经是统计显著的正向。
📄 PCap: Personalized Retrieval-Stage Diversity Capping in Facebook Marketplace
🔧 用Shannon熵给每个用户算多样性偏好分，归一化后切成6个桶，桶1最窄、桶6最杂。这里没选连续分数而是固定桶数，是为了桶内稳定、线上行为可预测、计算开销低。
🧩 用Facebook商品品类FPT做分组键，在每个桶上设个性化上限：上限 = 召回源拉取量 × 源级乘子f_k × 用户桶乘子m_u。偏好窄的用户给松cap，偏好杂的给紧cap。机制同时作用在索引分片扫描和聚合两层，防止单一品类霸占候选集。
⚙️ 每个桶的乘子属于高维参数，靠Parameter Tuning Sequence做在线自动调参，替掉人工网格搜索，能长期跑在生产环境里。
📊 Phase 1对比无cap基线，VPV +0.3088%，说明召回阶段加品类cap确实能让用户看到更杂的内容。
📈 Phase 2对比统一cap（只按买家/非买家分层），衡量个性化带来的增量，结论是个性化多样性主要惠及偏好两端的用户，中间段用户收益有限。
✅ 全程只用线上A/B，没做离线baseline：召回改候选池会引发排序的二阶变化，离线指标测不出来。MMR、DPP这类方法需要全局相关性分数和固定候选集，跟分片召回的形态不兼容。
总结感想：如果你在做召回层的候选池治理，这篇的工程拆解比算法本身更有参考价值——分片加聚合双层cap、桶数固定、在线调参，都是能直接抄的结构。要盯的指标是VPV、PDP、MLI和HHI，同时确认PF延迟没被cap拖累。坑有两个：桶化会牺牲一部分个性化粒度，短活跃用户容易被噪声带偏；另外Phase 2的具体涨幅在可见摘要里没给全，想复现得自己调m_u和各源乘子。
3. Efficient Swing Computation for Retrieval in Large-Scale Recommender Systems
- 论文链接：AlphaXiv
- 更新时间：2026-09-15 08:42 UTC
- 机构：Hong Kong Baptist University
- 工业优先级：未标注
- 备注：23 pages. The technical report for the paper titled “Efficient Swing Computation for Retrieval in Large-Scale Recommender Systems” in SIGMOD 2027
Swing检索提速千倍，只要近似
各位算法同学们，先甩个数字：十亿边的图做 top-100 Swing 查询，精确方法要 8.5 秒，这篇 K-ASC 只要 1.5 毫秒，平均精度还超过 99.9%。Swing 是阿里、快手、Shopee 都在用的 i2i 召回相似度，但它的计算复杂度是查询物品度数的平方，热门物品挂几万个用户，一次查询就要枚举上亿对用户，这篇工作就是来拆这个开销的。
📄 Efficient Swing Computation for Retrieval in Large-Scale Recommender Systems
🔧 把问题重定义成 (ε, λ) 近似 Swing 查询：Swing 值高于阈值 λ 时给相对误差 ε，低于 λ 只要求 ε·λ 的绝对误差，不是所有目标物品都要算准，误差边界写得很清楚。 🧩 ASC 把 GNS 和 USS 两个随机估计器拼到一起：GNS 用分组去掉重复的用户对交集，USS 干脆不做交集、只估基数，再按代价模型自适应地给高/低度数查询物品选估计器。 ⚙️ K-ASC 走 filter-refinement：先用一部分采样预算粗估候选、维护上下界，挑出 top-K 候选和边界物品，再把剩余预算全砸在边界物品上细化排序，配合位图剪枝。
📊 8 个真实数据集上，达到同样的 (ε, λ) 近似保证或相当的 top-K 排名精度时，ASC 和 K-ASC 的计算时间比精确法和 Monte-Carlo 基线快几个数量级。 📈 最大的 MAG 图上，K-ASC 做 top-100 查询平均精度超过 99.9%，耗时 1.5 毫秒，精确方法要 8.5 秒。 ✅ 亿级边的 Yambda 和 MAG 上 K-ASC 仍然跑得动，不只是中等规模图上的结果。
总结感想：如果你的 i2i 召回就是 Swing，被热门物品的度数卡住，或者现在靠截断用户数硬扛，这篇的误差定义和 filter-refinement 可以直接对标，重点看你在意的 λ 处精度掉多少、P99 延迟能压到哪。坑有两个：一是它给的是概率误差保证，ε、λ、δ 得跟着线上召回质量调；二是 GNS/USS 的切换依赖代价模型里的经验参数 ρ，换数据集先校准，不然自适应可能选错估计器。