推荐算法日报 · 2026-09-25

总览

今天这四篇没有那种一看就要掀桌子的新范式，但整体成色相当扎实，而且罕见地都愿意把自己的坑讲清楚。主线基本两条：一条是生成式推荐怎么在真实工业约束下落地，另一条是把大家习以为常的中间表示和输出接口拎出来做受控打假。落地这条线上，最值得看的是那篇把 LLM 式序列生成以「加法式升级」滑进成熟排序栈的工作——换回旧配置能精确退化成基线、支持按请求级 fallback、还敢拿两个大流量 surface 的七天在线 A/B 说话，这种工程诚实度今天真的不多见；另一篇在生产流媒体数据上直接对 LLM 用户画像做了同下游、同 embedding 的受控消融，结论挺反直觉：全量用户上 LLM 画像反而掉点，只有一小撮 explorer 用户能翻盘，而且 diversity 好看的同时 catalog coverage 塌得很惨。打假这条线上，semantic ID 那篇复现研究最有方法论价值，它用统一预处理加固定 backbone 把「codebook utilization 越高越好」这个流传已久的直觉证伪了，还顺手说明生成式并不天然强过 SASRec，这种结论比再刷一个 SOTA 有用得多；watch-time 那篇把点估计升级成分布 serving interface 的思路也挺妙，尤其 matched-readout 那段控制实验，直接暴露了主表里那截检索提升到底来自表示还是决策层，这种自证式设计值得学。唯一要泼的冷水是：四篇里只有一篇有真实线上结果，其余全是离线指标，看到动辄十几个点的相对提升先别急着信，另外两篇工业向的结论都还局限在自家场景，跨域泛化仍是空白。今天优先看 LIGE-GR 和那篇 semantic ID 复现研究，前者学怎么在旧栈里落地，后者学怎么不被漂亮的指标忽悠。

论文列表

1. LIGE-GR: A Smooth Leap from Ranking to Generative Recommendation in the LLM Era

• 论文链接：AlphaXiv
• 更新时间：2026-09-20 18:06 UTC
• 机构：未披露机构
• 工业优先级：强

把排序变生成，线上只涨1.14% 🤔

各位算法同学们，把成熟排序系统改成生成式推荐，线上时长只涨 1.14%，但多花的推理资源约等于原 context-free 排序组件的 10%——这可能是工业界更愿意接受的一步。这篇 LIGE-GR 想解决的是：LLM 式 listwise 生成到底怎么塞进已有推荐栈，而不是推倒重来。

📄 LIGE-GR: A Smooth Leap from Ranking to Generative Recommendation in the LLM Era

🔧 排序模型从 context-free 升级到 context-aware：每个 item 的预估值不再只看用户和自己，还会看已排进列表的前缀，用轻量 4 层 causal Transformer 做条件修正。

🧩 目标函数从 itemwise 打分求和，扩成 listwise value model，整条序列一起评估；同时保留原控制层做多样性和业务约束，兼容已有 value function。

⚙️ 解码从逐位置贪心选最高分，换成 RL-based 序列解码（Palette decoder），在位置×候选的路径里探索；且三个模块都能回退，退回去就恢复原系统。

📊 Instagram Reels 上 time spent 提升 1.14%。

📈 Facebook Video 上 time spent 提升 0.72%。

✅ 额外推理资源约为 context-free 排序组件的 10%，端到端每请求延迟增加约 7%。

✅ 列表长度 T 设为 10 左右，不是重造整条链路。

我的判断：它更适合已经有成熟排序栈、想试 listwise 优化又不想大换血的团队。要盯的是延迟预算、RL 解码在线上是否稳定、回退开关是否真能无损；如果 baseline 已经调得很强，百分位收益的复现难度不低，别只看离线的序列指标。

2. When LLM-Based User Profiling Adds Value in Production Streaming Recommendation

• 论文链接：AlphaXiv
• 更新时间：2026-09-23 00:42 UTC
• 机构：DePaul University / Comcast Technology AI，Comcast Technology AI
• 工业优先级：中

LLM做用户画像，别急着全量上线🧪

各位算法同学们，LLM生成用户画像不是万能钥匙：这篇生产流媒体推荐论文发现，聚合质心在习惯型用户上更稳，LLM只对探索型用户有准确率增益。它真正回答的是，贵出来的LLM画像什么时候才该上。

📄 When LLM-Based User Profiling Adds Value in Production Streaming Recommendation

🔧 2×2设计：表示类型分SBERT质心与LLM自然语言摘要，时间处理分全历史与短期/长期注意力融合，得到Centroid、TemporalCentroid、Narrative、TemporalNarrative四种策略。

🧩 控制变量干净：物品embedding、下游MLP、训练和评估全一致，唯一变量是用户画像向量怎么构造，方便看画像设计本身。

⚙️ 结论分人群：习惯型用户上聚合方法占优；探索型用户未来消费和过去行为偏离时，LLM画像才有准确率收益。

📊 四个策略、2×2交叉、top-K全目录打分，都在同一套生产数据协议下比，不是拿公开电商benchmark直接外推。

📈 反直觉：LLM让单条推荐列表略更多样，但系统整体更集中到更小、更热门的内容子集，目录覆盖率和推荐新颖度有可测下降。

✅ 时间窗口超参有工作区间，别默认短期/长期切分一定涨点；论文把部署代价和收益分开看。

总结：做内容推荐、候选集大、用户行为异质的话，这篇可以当上线检查表。别先问LLM画像能不能涨AUC，先按用户分层看探索型占比，再盯覆盖率和novelty，和聚合质心做A/B。坑是LLM画像成本、刷新频率和工程复杂度，别全量替换默认策略。

3. What Makes a Good Semantic ID for Generative Recommendation? A Reproducibility Study

• 论文链接：AlphaXiv
• 更新时间：2026-09-21 11:26 UTC
• 机构：Shandong University，University of Glasgow，Leiden University
• 工业优先级：中
• 备注：Accepted by SIGIR-AP 2026

🔍SID设计没有全局最优？复现研究

各位算法同学们，如果你的生成式推荐还在默认堆 RQ-VAE、顺手把 SID 加长，这篇复现研究可能会先泼你一盆冷水：SID 设计的影响大多是非单调的，没有哪种设计在所有数据集上都最好。

📄 What Makes a Good Semantic ID for Generative Recommendation? A Reproducibility Study

🔧 统一框架下重跑：同一套预处理、数据划分和评测器做方法级对比，再固定生成骨干和训练协议、只改 SID，把标识符本身的影响单独拎出来看。

🧩 四个研究问题拆解：不同 SID 设计的相对效果、码本利用率与推荐质量的关系、SID 长度和骨干规模两个维度的 scaling、以及 SID 设计对局部语义邻域保持的影响。

⚙️ 加了一层诊断：除了排序指标，还跨数据集看一级码本均衡度和局部语义保持，覆盖不同数据规模和邻域大小。

📊 统一框架下四个数据集，RQ-VAE 和 OPQ 这类常用设计表现并不一致，谁赢跟数据集强相关。

📈 一级码本最均衡的方法并不是稳定最优的推荐器，说明利用率能当诊断信号，但不够当选择标准。

✅ 加长 SID 或放大 T5 骨干都不总是有收益，scaling 同样呈非单调。

🔍 语义邻域上，OPQ 更擅长找回语义近邻，RQ-Kmeans 更擅长保住最近邻的排序，两者互补，且在四个数据集和不同邻域大小下都稳定。

总结：这篇的作用是提醒你别再把 SID 当免费午餐。做生成式推荐的同学，可以先在自己的数据上对齐复现，盯住一级码本均衡度、SID 长度收益拐点和局部邻域保持这几个指标，而不是直接照搬某个所谓最好的 tokenizer。要注意的坑是，结论来自四个数据集，换到你的类目分布或冷启场景，非单调可能更明显。代码已开源，可以拿来当 baseline 校准，但不必当成选型定论。

4. Beyond a Scalar: Distributional Serving Interfaces for Watch-Time Prediction

• 论文链接：AlphaXiv
• 更新时间：2026-09-23 16:57 UTC
• 机构：Shanghai Jiao Tong University，Rice University
• 工业优先级：中

📉推荐模型别只输出一个标量

各位算法同学们，同一条“看了10秒”，放在12秒视频里是快看完，放在60秒视频里只是刚开头，但很多推荐系统下游拿到的仍然只是一个标量。这篇把观看时长预测从“给个点估计”改成可复用的分布接口，正好戳中多任务场景的痛点。

📄 Beyond a Scalar: Distributional Serving Interfaces for Watch-Time Prediction

🔧 把观看行为拆成 early、mid、completion、overplay 四类事件，用观看比例 γ=y/d 生成监督，不需要额外收集新标签。

🧩 训练 provider 估计“事件类型 × 事件时间”的联合分布，用视频时长构造支持约束，过滤不合法组合，再加秒级 restoration loss，保证预测回到秒数仍然准。

⚙️ 推理时冻结 provider，只往下游暴露低维 summary，包含事件概率、相对时长和不确定性；新任务接轻量 readout 就行，不用重训 provider。

📊 在 KuaiRec、KuaiRand-1K、WeChat21 三个数据集上，完整 DSI 的 MAE 都最低，比九个基线里最强结果好 1.9% 到 8.5%。

📈 XAUC 在两个数据集上取得最好结果；比较完整系统时，考虑视频时长的 retrieval 指标也领先。

✅ 固定 readout 做对比，summary 仍保留超出“预测均值 + 视频时长”的任务信息；同一套线性头换到两个新观看时长目标上表现最好，并提升了一个单独记录的 engagement 目标。

🧪 随机初始化 provider 复现不出这个增益，说明收益主要来自学到的分布结构，而不是接口本身。

各位算法同学们要是做短视频排序、多目标或时长预估，这篇可以拿来对照自己的 serving 输出。落地时先看 provider 的分箱和 support mask 是否贴合业务时长分布，再盯 MAE、XAUC 和 duration-aware retrieval；如果基线只是 duration-aware 标量，记得用固定 readout 做同条件比较，不然容易把接口增益和模型容量混在一起。