推荐算法日报 · 2026-10-22

1 minute read

总览

今天这四篇读下来，整体感觉是「不拼模型容量，拼证据怎么组织」——四篇没有一篇是靠把 backbone 堆大取胜的，全在改结构：有的改表征粒度，有的改级联预算，有的改解码每一步吃什么证据，还有一篇干脆只动了打分公式里的一个加减项，这个共性比单篇结论更有意思。主线大致两条：一条是长行为序列怎么在工业成本下真正用起来，快手的级联蒸馏和那篇把用户表征下沉到 item 级做缓存的思路，本质都是在跟「十万级序列 × 十亿用户」这个乘法项死磕；另一条是召回和排序的精细化，SID 自回归那篇盯住了「每步候选集不同」这个被忽略的点，Instagram 那篇则反过来主张别把基线减干净、把增量单独拎出来给权重。最值得细读的是 item 级缓存那篇和 SID 逐步个性化那篇：前者把缓存规模从跟用户数走改成跟物料库存走，这个视角转换我觉得是今天最有迁移价值的，虽然它的线上增益混了更长窗口和更新鲜度两个因素、不能照单全收；后者是四篇里唯一拿出七天线上 A/B 且离线机制指标（beam 前缀保留率、分支不均衡度）都对得上的，证据链最完整，而且它顺手证明了 1.7B 往上加参数没用、瓶颈在证据组织，这个结论值得记一笔。Instagram 那篇方法论上很干净、四臂消融也算克制，但六个 term 是 case series 不是样本，「both 更好」和「总权重更大」还没完全摘开，读的时候留个心眼。今天优先看 item 级缓存那篇和 SID 逐步个性化那篇，做序列建模的同学再补一下快手的级联蒸馏。

论文列表

1. SPAR: Stepwise Personalized Autoregressive Recommendation with Prefix-Balanced Semantic IDs

  • 论文链接：AlphaXiv
  • 更新时间：2026-10-20 09:17 UTC
  • 机构：University of Electronic Science and Technology of China，University of Science and Technology of China，HUJING Digital Media & Entertainment Group，Southwest Jiaotong University
  • 工业优先级：强

SID树解码，错一步就救不回来🔍

各位算法同学们，生成式推荐里最难受的一点是：SID树只要有一层选错父节点，后面beam开再宽也救不回来，因为目标前缀已经被剪掉了。这篇工作就在处理这个不可逆的剪枝问题，并顺带把候选分支负载不均的老毛病拉了进来一起修。

📄 SPAR: Stepwise Personalized Autoregressive Recommendation with Prefix-Balanced Semantic IDs

🔧 PATH Decoder：把长期行为按SID树深度压成由粗到细的memory bank，每一步解码用prefix-conditioned cross-attention按当前已生成前缀去捞证据，再与近期行为、用户画像、请求时event context拼接，并非给出一个固定user向量，让每步看到不同证据。

🧩 RQ-PIB：作者指出全局码本均衡是假象，同一个codeword挂在不同的父前缀下，条件分布可能极其偏斜。该方法在RQ基础上只在同父兄弟分支间重排交互负载，用最小语义重构误差换局部均衡。

⚙️ 两件事是耦合的：SID构造决定每层有哪些候选分支，解码器决定怎么给分支打分，只优化一头会出现候选空间与个性化证据错位。

📊 优酷大规模离线数据上，HR@10/20/50/100平均相对提升2.66%（对比最强基线）。

📈 目标前缀保留率平均涨5.79个百分点，说明不可逆剪枝确实少了。

✅ 流量加权后的最大子分支占比在各SID层平均降32.84%，热门路径的压制被削弱。

🎬 线上7天A/B，10%生产流量，人均观看时长+3.95%，播放转化率+3.38%。

总结感想：做生成式召回、尤其已经在跑SID+TIGER/OneRec这条线的人可以跟。要盯两个指标：target-prefix retention，以及各层兄弟分支的负载分布，只看整体HR容易被平均掉。坑在于RQ-PIB会改动物品码，SID一变就得重训或重对齐，语义重构误差也得现场验；另外prefix检索是逐步做的，线上延迟要单独压测。

图 1（方法 / 架构） 图 2（实验结果）

2. Baseline and Incremental: User, Item, and Request Debiasing in Instagram Feed Ranking

  • 论文链接：AlphaXiv
  • 更新时间：2026-10-20 00:20 UTC
  • 机构：Meta
  • 工业优先级：强

去偏不是删baseline，IG给了双权重

各位算法同学们，去偏的默认动作是把baseline从打分里减掉，但这篇Meta的线上四臂实验结论相反：raw项和incremental项都不冗余，两个都留、各给一个权重，比只留任一个都好。对一个每天要跑海量请求的排序系统来说，这种只改配置、不动模型的改法，成本低到可以在线上反复试。

📄 Baseline and Incremental: User, Item, and Request Debiasing in Instagram Feed Ranking

🔧 核心主张是把一次预测拆成baseline和增量：s(c)=Σ[w_r·p + w_i·Δ]，原始预测保留，增量单独加权。一个系数没法同时权衡“这个用户本来就爱点赞”和“这条内容确实更好”，两个权重才行。它是VM里的一个配置项，不是新模型，上线按小时算，回滚也一样快。

🧩 viewer、item、request三类去偏被统一成一个参数化算子，四个设计选择：baseline取谁、比较尺度d（概率用logit差，回归用原单位差）、幅度m、以及k和shift。文中还点出一个常见错误：把promotion项改写成demotion时沿用m=p，但候选掉到下限时惩罚才该生效，得换常数幅度并把比较方向反过来。

⚙️ media-type这类格式偏置不走打分时门控，而是走同一个流程选出的去偏label，作者给了判断标准：什么时候label的代价比打分时gate更值。

📊 like预测与用户历史点赞率的秩相关有0.69，这个信号很大一部分在复读用户习惯，而不是在区分候选。

📈 6个已上线term上的四臂消融（都不加、只加raw、只加incremental、都加），双项版在生产权重下13个(term, metric)对里有11个点估计更优。

✅ 26个直接对比里17个显著支持双项、只有1个显著反对，且出现在impressions上。这套term在Instagram Feed生产上跑了将近一年。

总结：如果你的场景是多信号加权求和、各信号基数差异又大，这套raw加增量双权重是低成本可试的方向，顺序是先拿离线诊断筛信号（别用它给信号排名），再上四臂实验。两个坑：权重是联合调的，加一项会扰动其它项的运行点；launch期效应被“选择上线”本身抬高，别只盯上线那几天的数字。

3. ECHO: Efficient Cascade with Homogeneous Operators for Distillation-Guided 100K-Sequence Modeling

  • 论文链接：AlphaXiv
  • 更新时间：2026-10-20 17:28 UTC
  • 机构：Kuaishou Technology
  • 工业优先级：强
  • 备注：12 pages, 8 figures

10万序列建模，算力砍约160倍

各位算法同学们：用户序列拉到10万条，target-aware 排序的算力反而能降约160倍——代价是GAUC只提升0.113%~1.520%，这个性价比值得算一算。快手这篇 ECHO 讲的是在“检索”和“压缩”之间如何找第三条路。

📄 ECHO: Efficient Cascade with Homogeneous Operators for Distillation-Guided 100K-Sequence Modeling

🔧 核心是把被压缩的对象换成“记录”，而不是“向量”：DS 在用户维度留下 K=10000 条原始行为记录，item id、时间戳、side feature 全都保留，下游还能逐条匹配，而不是对着拼好的兴趣向量猜。

🧩 DS 的监督信号来自候选感知的全历史 teacher，做 per-target 蒸馏，所以留下来的记录天然偏 target 相关；但线上不用为每个候选扫全量历史。

⚙️ TFR 只在这 1 万条里检索，每个候选最多取 M=100 条，并且 retriever 和 target attention 的 scorer 复用 teacher 的 relevance 参数，延续 TWIN 的 scoring consistency，保证“选的”和“用的”打分口径一致。

📊 L=100K 时，线上序列分支 FLOPs 比代表性端到端模型低约160倍。

📈 KuaiRand-1K 加某工业短视频平台上，多任务相对 GAUC 提升 0.113%~1.520%。

✅ 线上 A/B：app 使用时长 +0.613%。

📉 三条部署优化（公共用户输入、紧凑记录编码、key 侧投影吸收）压的是内存、存储和数据搬运，不是 FLOPs，做落地时不要只盯着算力那一栏。

总结感想：适合已经在跑 SIM/TWIN 这类检索式长序列、并且卡在 GSU 成本随长度线性增长的同学，特别是长尾 target 容易被压缩表示覆盖掉的场景。要盯的不只是 GAUC 和时长，还有 K/M 的命中率、蒸馏 student 与 teacher 的相关性一致性，以及 1 万条记录的存储和读放大开销。坑在于 DS 依赖全历史 teacher，teacher 的容量和训练成本是前置支出。

4. KuaFu: Compressing Long User Behavior into Understanding at Billion Scale

  • 论文链接：AlphaXiv
  • 更新时间：2026-10-20 12:09 UTC
  • 机构：未披露机构
  • 工业优先级：强
  • 备注：12 pages, 6 figures, 3 tables

用户行为只编码一次，省下190张GPU

各位算法同学们，同一个用户的历史行为，广告、推荐、画像几个任务各自从头编码一遍，十亿用户规模下这就是纯纯的重复劳动。KuaFu 的做法是把编码单位从「用户」挪到「行为 item」：一条内容只编码一次，谁要用，谁就去缓存里取。

📄 KuaFu: Compressing Long User Behavior into Understanding at Billion Scale

🔧 表示的基本单位从 user-level 换成 item-level：每个行为 item 独立编码成可复用的压缩表示，按时间顺序拼起来就是用户历史；新行为来了只增量追加，不用重算整条序列。

🧩 两轴 projector 是省钱的关键：token 轴把行为序列缩短最多 15 倍，单个 item 从 150KB 压到 10KB；width 轴再把缓存表示压到 0.5KB。

⚙️ 四阶段训练：重建预训练、偏好理解后训练、压缩-生成联合训练、幻觉感知强化学习，专门针对压缩里常见的编造、遗漏、时序错位、推理断裂四类失效做惩罚。

📊 六个 MRQA 加五个 RecBench 基准，在同等压缩比下稳定超过已有压缩方法，最高提升 17.7 EM 和 1.90 AUC。

📈 在腾讯广告推荐平台线上跑了十个月：单 GPU 吞吐最高提升 350%，省下 190 张 GPU，整体 GMV 涨 1.37%。

✅ 另一个细节是省卡和涨 GMV 同时发生，说明偏好信号没被压丢。

总结感想：这套思路对「多个下游任务重复编码同一份长序列」的工业团队最直接有用。评估时得盯压缩比和 EM/AUC 的联合曲线，别只看压缩率。坑在于四阶段加幻觉 RL 的训练成本不低，item 级缓存的时效一致性论文没细讲，接入前先小流量验证缓存刷新延迟和对新 item 的冷启动表现。

图 1（方法 / 架构）

Updated: