推荐算法日报 · 2026-09-28

总览

今天这六篇整体质量偏高，主线很清楚：大家都在给生成式推荐补「监督信号到底从哪来」这一课。重排那条线最有代表性的是 DeGRe，用离线 evaluator 在未曝光空间里挖 step-wise 价值再用 beam search 蒸馏给在线 generator，离线涨得吓人、线上 GMV +3.75% 也上了闪购，但消融显示真正干活的就是硬标签，软标签和序列加权基本在噪声里，这种「收益集中在一个组件上」的结构值得警惕。另一条线是级联架构的统一，OneTrans-V2 把召回-粗排-精排塞进一个 Transformer，DCGR 用 decision prefix 调权取代多通道，GMV +9.74% 很亮眼，可惜正文截断、ablation 看不到，而且模型增益和 serving 栈的工程增益混在一起，得打折看。连续空间召回这条 X-Rec 是最有启发的，跳过 SID 量化直接在 embedding 上做 flow matching，anchor conditioning 和球面测地线都是可复用的 trick，late-interaction DiT 拿 1 个点换 8 倍吞吐这笔账工业上太划算。ScalarLens 把数值特征拆成「值定坐标、上下文定响应」这个视角我认为比它那点 AUC 增益更值钱，而且直接吃原始量纲、纯 drop-in，对生产管线的一致性痛点很实在。SID 那条 credit assignment 用冻结 retriever 给兴趣假设发 span 级奖励，思路干净、消融也够扎心，但底座和目录规模都偏小；slate 那篇是理论味道最重的，margin 和 movement 的稳定性刻画加 DP post-processing 的 scope 契约，没什么涨点但边界说得很清楚。今天优先看 X-Rec 和 ScalarLens 这两篇把「表示怎么设计」讲透的，做重排的再补 DeGRe，做级联的留意 OneTrans-V2 的工程细节。

论文列表

1. DeGRe: Dense-supervised Generative Reranking for Recommendation

• 论文链接：AlphaXiv
• 更新时间：2026-09-24 17:36 UTC
• 机构：College of Software, Zhejiang University，Rajax Network Technology, Taobao Shangou of Alibaba，State Key Lab of CAD&CG, Zhejiang University
• 工业优先级：强
• 备注：Accepted to KDD 2026 ADS Track (Oral). Best Paper Award Honorable Mention

重排还在推点击置顶？该换了🔁

各位算法同学们：淘宝闪购线上 GMV +3.75%，靠的不是更大的生成模型，而是把排列空间的探索整个挪到了线下。DeGRe 要治的是生成式重排的两个老毛病——标签靠规则拍、回报信号太粗。

📄 DeGRe: Dense-supervised Generative Reranking for Recommendation

🔧 老做法把“点击的 item 提到前面”当训练标签，等于默认点击一定更值钱、跟位置无关。DeGRe 改成离线用 Lookahead Evaluator 去未曝光空间里挖高价值序列：它建在 cumulative regression 上，把“当前累计价值”拆成一组序数二分类再求和，因此能给任意长度的子序列打分。

🧩 奖励式方法的痛点是 credit assignment——整条 list 只有一个 CTR/GMV 后验分数，分不到每一步。DeGRe 把 evaluator 的逐步价值估计当作 dense supervision，蒸馏进轻量的 Online Generator，让生成器内部把前瞻规划学会。

⚙️ 于是离线在线解耦：在线不采样、不重排，一次 greedy decoding 逼近全局最优，也不用同时部署 generator 和 evaluator，延迟可控。

📊 论文称在公开 benchmark 和工业数据集上都超过现有 baseline，同时保持推理效率；摘要里没给具体数值，我就不编了。

✅ 线上 A/B 测试：GMV +3.75%，目前已部署在淘宝闪购。

总结：如果你们线上还停在“单点评分+贪心排序”，或者拿 reward model 训生成式重排但回报太稀疏，这条路线可以复现看看。要盯的是 list 级 utility 和线上 GMV/CTR，别只看单点 AUC。坑有两个：离线 beam search 挖掘加累计回归训练本身不便宜；dense 信号的质量全看 evaluator 校准，它偏了，生成器只会学得更自信。

2. OneTrans-V2: Unifying Retrieval, Pre-rank, and Fine-rank with One Transformer in Industrial Recommender

• 论文链接：AlphaXiv
• 更新时间：2026-09-23 14:57 UTC
• 机构：未披露机构
• 工业优先级：强

级联推荐三合一，GMV涨9.74% 🚀

各位算法同学们：一个Transformer同时干召回、粗排、精排，GMV提升9.74%，同硬件下QPS是原级联的3.2倍。看点不是涨点，是它没走OneRec“干掉级联”那条路——候选特征全保留，只把候选无关的用户上下文共享出来。

📄 OneTrans-V2: Unifying Retrieval, Pre-rank, and Fine-rank with One Transformer in Industrial Recommender

🔧 用户行为序列只编码一次成共享user context，三层各自追加自己的token；stage visibility mask让各阶段读得到上下文但互相看不见，于是粗排能只用1个token保持轻量，精排用多token建模cross feature。

🧩 DCGR治召回的多目标分裂：先预测“决策前缀”（是否转化、金额档位、类目对用户有多新），再条件生成item的SID；业务目标靠business offset去偏决策分布，一套生成模型覆盖多个目标，线上当参数调，不用另训通道。

⚙️ 稀疏MoE撑容量、激活计算有上界，μP式参数化稳住优化；SNT按用户终身行为序列组织训练，把一次序列编码摊到多次曝光上。

📊 GMV提升9.74%，三阶段全量上线 📈 同硬件预算下端到端QPS是原级联的3.2×（依赖协同设计的serving） ✅ SNT带来4.4×训练加速 ✅ 联合训练下召回、粗排、精排都优于各自单独训练的版本

总结：做级联推荐、尤其被“用户序列重复编码”和“召回多通道”磨过的团队，这套共享上下文加DCGR值得对着自己链路比一遍。两个坑要先想清楚：stage visibility mask的token预算得和延迟对齐；3.2×QPS依赖配套serving改造，换模型本身拿不到。对照对象是UniR2、OneRec这类工作，分歧点在于“保留候选特征”还是“去级联”，盯住GMV和QPS/延迟比值这两个指标就够了。

3. X-Rec Technical Report

• 论文链接：AlphaXiv
• 更新时间：2026-09-24 07:53 UTC
• 机构：未披露机构
• 工业优先级：强

TikTok上线：3.46倍吞吐的生成式召回

各位算法同学们，双塔U2I把用户兴趣压成一个点，SID-AR又要逐token解码，吞吐被卡死——有没有一条路，既保留多峰分布又不用离散化？TikTok这篇X-Rec给了一个挺工程化的答案。

📄 X-Rec Technical Report

🔧 锚点条件生成：先预测目标embedding所属的簇（锚点），再以锚点为条件做细粒度生成，把从零生成item向量拆成“选大致语义区域+局部精修”，官方说这一项让Recall@20涨了2.05个百分点，还能通过调整锚点分布主动控制召回多样性。

🧩 黎曼流匹配：item embedding大多在余弦对比学习下训出来，本身就躺在球面上，所以生成轨迹直接沿球面测地线走，而不是在欧氏空间里强行把向量拽回球面，比rectified FM的Recall@20高1.78个绝对百分点。

⚙️ late-interaction DiT：速度场估计只在最后一层Transformer做，前面几层不做重复去噪。代价是Recall@20只掉1.05个百分点，生成吞吐却涨了约8.28倍，这个交换比在召回场景里算很划算。

📊 流式benchmark上明显超过U2I基线，召回质量和SID-AR打平，推理吞吐是SID-AR的3.46倍。

📈 已作为TikTok某垂直内容的新召回源上线，连续两次launch带来垂直互动+4.1484%。

✅ 大盘互动也有+0.0111%，别小看这个数，召回侧能撬动全站指标通常很难。

📉 消融里三项设计各自都有正收益，不是靠堆参数堆出来的。

总结：如果你在做大规模召回、又被SID-AR的解码延迟折磨，这篇值得细看，重点盯吞吐-Recall的权衡曲线，以及锚点数量和聚类更新频率怎么设。坑在于连续空间生成对ANN索引和线上一致性要求更高，离线Recall涨了不代表线上一定涨，最好先小流量验证锚点分布的可控性。

4. ScalarLens: Numerical Embeddings with Stable Coordinates and Contextual Responses for CTR Prediction

• 论文链接：AlphaXiv
• 更新时间：2026-09-24 07:54 UTC
• 机构：Ant Group，Independent Researcher，Alibaba Inc.，Henan Polytechnic University
• 工业优先级：中
• 备注：12 pages, 5 figures

🔍同一个数值，CTR证据会反号

各位算法同学们，同一个数值区间，在不同上下文里的点击证据能正负反转。这篇把数值 embedding 从“一个标量一个表示”改成“坐标稳定、响应看上下文”，而且没动 CTR backbone。

📄 ScalarLens: Numerical Embeddings with Stable Coordinates and Contextual Responses for CTR Prediction

🔧 核心是把数值接口拆成两个可检查对象：坐标只由标量本身决定，响应才吃类别和辅助数值上下文。上下文不能移动坐标，只能改它怎么被解释。

🧩 坐标用单调局部 mesh 生成，保留数值顺序；响应是有界低秩动态，固定步数更新，不替换类别 token，也不另起一套交互 backbone。

⚙️ 模块只返回数值 embedding，类别 embedding 原样绕过。作者类比计算物理里的 model reduction，作为 inductive bias，而不是说 CTR 数据服从物理定律。

📊 主评估 1,539 次 run，覆盖 19 种表示、3 个数据集、9 个 backbone、3 个 seed。原始数值尺度下，27 个设置里 25 个排第一，剩下 2 个排第二。

📈 Criteo 验证集上，I7 的 (2,3] 区间在 C17 分组下残差点击证据为 -3.2、+3.5、+5.8 个百分点；在 I11 不同范围下为 +6.8、+1.9、-7.2，符号会反。

✅ 匹配消融显示，scale correction、额外局部容量、generic conditioning 都复现不了增益；统一标准化重跑后，对 DEER、DAES、NaryDis 仍有显著优势。

总结一句：如果你在做 CTR 数值特征，这篇适合看它怎么划“坐标 vs 响应”的边界。要盯原始尺度和标准化后是否都稳、换 backbone 后排名是否保持；坑在上下文来源选择和训练/服务同步，别把无关上下文也塞进响应。

5. From Interests to Semantic IDs: Retrieval-Grounded Credit Assignment for Generative Recommendation

• 论文链接：AlphaXiv
• 更新时间：2026-09-24 15:34 UTC
• 机构：未披露机构
• 工业优先级：中

SID奖励太稀疏？把信用分给兴趣句

各位算法同学们：一组 rollout 全都没命中目标 SID 时，group-relative RL 的优势直接归零，这批采样等于白跑；更隐蔽的是，两条推理完全不同的轨迹，只要 SID 奖励相同，拿到的更新就一模一样。这篇要补的就是这个 credit assignment 的缺口。

📄 From Interests to Semantic IDs: Retrieval-Grounded Credit Assignment for Generative Recommendation

🔧 把一条 rollout 拆成 history summary、若干条 interest hypothesis 和最终 SID，兴趣句用固定格式输出，因此可以逐条被独立检验，而不是只能靠最后那个 SID 背锅。

🧩 每条 interest 都拿去问一个冻结的 retriever，谁把目标捞进 top-K，正优势就只发给那一行兴趣；而且检索这条通道永远不会去更新最终 SID 那段 span，SID 还是由 exact-match 单独管。

⚙️ 于是同一个 SID 奖励的 rollout 能拿到不同更新；一组里 SID 奖励全为 0、但检索奖励有差异时，兴趣行依然有梯度可学。结构、检索、SID 三路奖励分别归一化。

📊 三个 Amazon Reviews 数据集上，SID 推荐指标一致提升。

📈 Video Games 的 oracle 分析显示，在生成的兴趣里挑出与目标相关的那条 query，recall 和 ranking 都会变好，说明兴趣条件化的 SID 解码还有余量；兴趣本身也能当辅助召回池，约束解码时的候选 trie。

✅ 论文还统计了检索通道能把多少 SID 全 0 的组重新激活，代码已开源。

总结：适合已经在跑 SID + reasoning RL、又被稀疏奖励卡住的人。落地先盯冻结 retriever 的召回和 top-K 取值，检索器不行的话，正信号会被系统性压低，反倒把兴趣句带偏；另外它没替换 SID 奖励，只是在旁边加了一条检索旁路，和 PROMISE、HCGRec 这类沿 SID 路径做过程监督的思路是互补而非替代。

6. Decoupled Learning and Selection in Slate Recommendation for Privacy and Stability Under Noisy Scores

• 论文链接：AlphaXiv
• 更新时间：2026-09-24 12:09 UTC
• 机构：University of Bergen，City University of Macau
• 工业优先级：中
• 备注：20 pages including supplementary appendix. Accepted at ACM RecSys 2026

🔍推荐加DP，隐私就够了吗？

各位算法同学们，给推荐系统套上差分隐私，端到端隐私就自动成立了吗？这篇的答案是：不一定，卡点不在学习器，而在那个确定性选择器读了什么。它把 slate 推荐拆成“随机打分 + 贪心选列表”两段，专门算清隐私、可审计和稳定性各在哪一层成立。

📄 Decoupled Learning and Selection in Slate Recommendation for Privacy and Stability Under Noisy Scores

🔧 把 slate 推荐形式化成随机分数学习器加确定性选择器：隐私靠后处理穿过选择器和审计轨迹，但范围取决于每个非学习器输入。公开或独立、先前 DP 输出、单独记账的输入才能撑起端到端 DP；直接固定原始 state 或候选信息，只剩条件保证。

🧩 给出一个可审计的 margin 证书：分数变化诱导的目标移动只要低于最小贪心决策 margin 的一半，有序 slate 就保证不变，margin 和扰动包络都写在决策日志里。

⚙️ anchor 混合可以压低 top-K 的分数不稳定，证书进一步说明这种稳定性什么时候能传到最终列表；审计成本是 O(

C_t

) 个标量字段、至多 O(K_t

C_t

) 次相似度查询，不是 O(

C_t

^2) 的稠密矩阵。

📊 受控固定 margin 测试里，指数缩放的经验斜率是 -0.220，95% CI [-0.231, -0.210]，独立噪声参考是 -1/4，接近线性。

📈 在 OULAD、MovieLens-25M、Amazon Musical Instruments 上，anchor 权重越大，分数噪声引起的排序 churn 越小。

✅ OULAD 和 EdNet 的证书检查对上了日志不等式；闭环仿真里目标漂移有界，但下游效用随设置变化，并不是一律变好。

我的判断：做两段式推荐、要写 DP 报告或做审计的同学可以跟，重点盯选择器输入清单和 margin 日志这两件事。坑也很明确：非私有 anchor 只能用于稳定性分析，混进端到端 DP 声明就错了；而且它没给普适效用提升，分数稳定不等于业务指标一定涨。