推荐算法日报 · 2026-10-28

October 28, 2026 2 minute read

总览

今天这四篇放一起看，主线其实挺清楚：两篇是真上了线上的工程活——淘宝首页 CVR 那套把行为序列、特征交叉、多场景塞进一个骨干的活，和 Pinterest 把 SID 生成式召回推到 Related Pins；另外两篇更像在追问工程默认值，一个问后校准到底该用多新鲜的数据，一个问样本、特征、embedding 维度这三层筛选怎么统一起来，别互相打架。最值得细读的是前两篇：淘宝那篇真正的看点是「特征交叉结果反哺下一层行为检索」这个闭环，加上 299M 参数、1.53 GFLOPs 还比基线省，AUC 那点提升别当回事，直接看 GAUC 和 PCOC；Pinterest 那篇最漂亮的是训练时给每个 SID 位置都上监督、推理时把 SID token 全删掉函数不变，等于拿 TIGER 的监督付 embedding GR 的服务成本，后面那套 cascade decode、trie 约束、host-local 索引也交代得很实在，不是只丢个想法。后两篇我建议当「方法论提醒」读而不是当结论读——校准那篇「随机切分会系统性低估 ECE」这个点挺值钱，但只有十天单数据集日志、模拟竞价收益基本在噪声里；深大那篇 OT 协调建模选得巧，可 Criteo 上增量薄到 0.0003，本质还是工程整合，别指望它替你线上筛样本。要挑通病的话，今天这几篇都是离线指标写得极细，线上证据一篇有、一篇没有、两篇纯离线，看到「显著提升」先问口径和场景。今天优先看淘宝那篇和 Pinterest 那篇，剩下两篇扫结论就够了。

论文列表

1. Unified Heterogeneous Feature Interaction via Effective-Rank Scaling for Recommender Systems

论文链接：AlphaXiv
更新时间：2026-10-26 12:17 UTC
机构：Alibaba Group，Renmin University of China，Institute of Automation, Chinese Academy of Sciences
工业优先级：强
备注：9 pages, 4 figures

序列和特征分开建模，该换换了🔧

各位算法同学们，先抛个问题：你们的排序模型里，行为序列塔和特征交互塔是不是还在各算各的，最后 concat 一下就完事？阿里这篇 HiRank 想要拆掉这两个模块之间的隔阂：序列特征和非序列特征放进同一个 backbone 做双向融合，不再是“先编码再交互”的单向流水线，而且顺带把多场景和长期记忆也一起装进去了。

📄 Unified Heterogeneous Feature Interaction via Effective-Rank Scaling for Recommender Systems

🔧 统一骨干：门控序列注意力和异构特征交互共享同一个 backbone，堆叠后交互输出会反过来更新主序列状态和检索 query，形成反馈闭环，不再是编码器一次性吐出定长向量。

🧩 长期记忆检索的 query 由主序列生成：如果只用相对静态的 profile 特征来构造 query，这些 query 容易挤在少数表示方向上，effective rank 偏低。HiRank 先 attend 主序列再拿去检索长期记忆，另加一条候选物品视角的通路做互补证据。

⚙️ 场景感知聚合 + 复合投影：场景 query 把低阶 token 压成紧凑表示，再用多组不同投影拆成多个 composite token，让后续 self-attention 的奇异值谱更均衡、信息密度更均匀；标题里的 effective-rank scaling 就落在这里。

📊 淘宝生产数据上，性能随参数量增长持续变好，说明 scaling 趋势在这套结构上成立，并且稳定优于对比 baseline。

📈 线上 A/B：人均订单量 +2.27%，人均 GMV 也显著为正，模型已在淘宝推荐系统上线服务。

✅ 论文把统一骨干、主序列引导检索、场景感知聚合列为三点核心贡献；统一骨干、主序列引导的长期记忆检索、场景感知聚合分别贡献了多少，建议翻原文表格自己核对，别只看摘要。

总结感想：这篇适合正在做“序列+特征统一建模”、或者准备把排序模型往大做的人。除了 AUC，还要重点盯两件事：不同场景之间的负迁移有没有变严重，composite token 的实际奇异值分布是不是真的更均衡。坑主要在工程侧：长期记忆的存储和检索、多组投影带来的显存与延迟开销，上线前得先算清楚，再拿去和 OneTrans、RankMixer 这类统一 backbone 的方案对齐，比一比参数效率和线上收益。

2. PinGER: Token-Efficient Generative Retrieval with Semantic IDs

论文链接：AlphaXiv
更新时间：2026-10-24 04:24 UTC
机构：Pinterest
工业优先级：强
备注：11 pages, 5 figures, 8 tables

生成式召回省6倍token，还更快 🔍

各位算法同学们，生成式召回有个被忽略的尴尬数字：100 条 beam 里，一级码只有 11.9 个不同的，剩下全挤在同一前缀上互相重叠。Pinterest 这篇 PinGER 就是在解决这类问题，还顺手把输入 token 砍了 6 倍。

📄 PinGER: Token-Efficient Generative Retrieval with Semantic IDs

🔧 不对称注意力掩码：训练时每个历史 item 由 L 个 SID token 加 1 个 dense token 组成，SID 能读 dense 历史和自身浅层码，但后续任何位置都不读过去的 SID。于是服务时直接丢掉 SID，一个 item 只喂一个 token，算的还是同一个函数——训练拿到 TIGER 那样的 L 个标签监督，服务只付 embedding 召回的输入成本。

🧩 前缀多样性惩罚：不是按步惩罚，而是按候选与已选 beam 共享前缀的深度收费，逐条选 beam，把 beam 按层级推开，这一步很关键。

⚙️ 服务栈三件事：cascade attention 让共享历史每请求只读一次，而不是每个 beam 读一次；约束解码保证每个 beam 都落在语料里真实存在的 SID 上；SID 到 item 用本地索引解析，不走网络调用。

📊 离线 Recall@100 与 TIGER 持平，但服务 token 少 6 倍。

📈 同等服务 token 下比 TIGER 高 9.5%，是线上 embedding 召回 PinRec 的 3.9 倍。

✅ 加上惩罚后，beam 覆盖的一级前缀数量是贪心解码的 7.9 倍。

✅ 服务侧 W=30 时比 paged attention 快 10.9 倍，W=400 时快 32 倍，KV 内存少 12.6 倍。

📈 线上 Related Pins 替换 PinRec：整体 save +0.62%，新 Pin 的 save +3.60%，端到端延迟降 0.7%，被替掉的 ANN 检索成本直接归零。

我的判断：做召回、尤其内容更新快、长尾重的场景，这篇的实验方式可以直接借鉴——它把“和 embedding 召回比”放进了线上 A/B，而不是只跟自己比。要盯的是新内容 save 这个指标，3.60% 和 0.62% 的差距说明收益主要来自冷启动和长尾，存量热门内容别指望。坑在训练侧：自定义稀疏注意力 kernel 加 SID 分词质量，复现成本不低，分词分得不好，掩码再巧也白搭。

3. How Much Fresh Data Should CTR Recalibration Use? A Temporal Evaluation of Post-hoc Calibration

论文链接：AlphaXiv
更新时间：2026-10-23 18:01 UTC
机构：未披露机构
工业优先级：中
备注：10 pages, 3 figures, 6 tables. Code and per-cell results: https://github.com/RuiLiu0129/ctr-recalibration-temporal

别默认用最新6小时做CTR重校准⏱

各位算法同学们，随机切分报出来的ECE，可能只有时间切分的一半——Avazu上逻辑回归三个种子都稳稳落在55%~62%，这不是运气，是协议在替模型说好话。这篇不发明新校准器，只干一件事：把“后校准到底该用多少新鲜数据”用时间维度量清楚。

📄 How Much Fresh Data Should CTR Recalibration Use? A Temporal Evaluation of Post-hoc Calibration

🔧 三个模型（LR、DeepFM、DCN-v2）× 两个滚动训练起点 × 随机切分臂，每格跑三个种子，把随机切分带来的校准虚高量成具体倍数，而不是笼统说一句“有时间泄漏”。

🧩 把重校准拆成三条轴同时量：拟合窗口跨度（1、6、12、24小时）、切片里到底放多少曝光、以及“这次修正会不会反而把概率改坏”的风险计数，一条流水线跑完。

⚙️ 关键的尺寸对齐对照：把12小时切片下采样到1小时切片的体量（5%曝光，拟合快20~25倍），仍然拿回完整切片88%的收益——有用的是覆盖的时间跨度，不是样本条数。

📊 6小时切片在错得最厉害的格子里最多削掉61%的ECE，但约三分之一的应用反而变差（48个里14~17个，跨种子）。

📈 换成12小时切片，固定评估集上的受损次数从36个里的13~17个降到3~5个；再拉到24小时又反弹回去。

✅ 12小时切片下采样到1小时体量仍回收88%增益，一轮拟合约1~2秒，算力不是瓶颈。

❌ 拿切片自身的ECE做门控，跨origin没看到收益；模拟竞价里重校准对利润的影响只有-0.21%~+0.26%。

我的判断：这不是方法论文，是评测协议论文，做校准评估的同学先把随机切分换成多origin、多种子的时间切分，否则你在优化一个测不准的指标。要上线后校准，别默认只喂最近几小时，12小时量级更稳，并且必须把“变差比例”当主指标看，只看平均ECE会掩盖伤害。坑也明确：结论来自Avazu单份日志，换数据得自己复现，尤其看切片跨度这个变量。

4. Towards a Unified Framework of Optimal Input-Side Dimensional Configuration for Deep CTR Prediction

论文链接：AlphaXiv
更新时间：2026-10-26 16:24 UTC
机构：College of Computer Science and Software Engineering, Shenzhen University，McGill University，Shenzhen Technology University
工业优先级：中
备注：13 pages, 8 figures

CTR输入侧选择，三层各选各的会打架

各位算法同学们，把样本、特征、embedding 三层选择器一股脑塞进同一个 backbone，AUC 只涨了 0.002 出头——这篇论文的出发点是：涨得少未必是联合选择没用，更可能是三层在互相拆台。

📄 Towards a Unified Framework of Optimal Input-Side Dimensional Configuration for Deep CTR Prediction

🔧 先把三件事看成一件：样本权重是标量、特征 gate 定义在 field 上、embedding mask 定义在坐标上，名字和粒度都不一样，但本质都是给输入乘一个 [0,1] 的权重，也就是沿 embedding 张量不同轴的 mask。因此论文把它们当成同一个“有效输入”的耦合决策，不做成三个独立的选择任务。

🧩 关键机制是 selection-weighted Optimal Transport：粗粒度选择权重决定总传输质量，细粒度权重在语义支撑上分配这份质量，表示差异定义传输代价。样本-特征、特征-embedding、样本-embedding 三组关系各建一个 OT 目标，相邻和非相邻层都有直接的协调信号，而不是只靠预测 loss 反向传。

⚙️ 落地形态是两阶段：配置学习阶段把三层权重和预测目标一起优化，学完后用筛过的输入重训 backbone，交互结构不动，所以对模型不设限。

📊 四个公开数据集、五个 CTR backbone 上都做了，AUC 一致高于对应的单层选择方案。

📈 Avazu + DNN 上的 motivating 实验：单独做样本、特征、embedding-unit 选择各涨约 0.001，三层一起学（不加协调）超过 0.002。

✅ 跨层选择一致性 SCR 提升约 0.30 的那些 case，AUC 提升接近 0.008——作者自己也说明这是相关性不是因果，但足够支撑“显式协调”这个设计。

总结：如果你在做特征筛选或 embedding pruning，且已经有单层方案的 baseline，这篇的 OT 协调项可以直接当插件试；判断它有没有用，盯 AUC 之外还要看 SCR 和训练成本。需要注意：两阶段重训加三组 OT 求解，在稀疏特征多、样本量大的场景开销不小，且样本权重偏低时会削弱细粒度选择器的梯度反馈，这个耦合问题论文是靠协调目标缓解的，不是消除。