推荐算法日报 · 2026-11-19
总览
今天这三篇看下来质量挺实在,都是工业界真刀真枪落地过的活,不是刷榜论文。主线很清楚:都在跟”用户行为分布不均”和”分布漂移”较劲,只是切法不同——TikTok 那篇从标签侧下手,把绝对时长换成分位数,用样本对比较直接估 CDF,推导干净、线上负反馈降了近 7 个点,这是今天最值钱的一篇;飞猪那篇拆历史表示和活动期分数校准,线上 CVR 涨 3 个多点有信号,但离线只领先 TEN 零点几个千分点,组合优势没表格看着那么稳,读的时候要多留个心眼;淘宝天猫那篇走生成式检索加语义聚类 ID 和专家引导 RL 的路子,工程味道最重,适合做电商搜索的同学细看。要说遗憾,三篇共性的问题都是关键复现细节留白——内存怎么省、时间核怎么调、负样本池怎么建,都得靠猜。建议今天优先精读 PEARL,COTTI 挑 ABA 那节看就行,第三篇按需。
论文列表
1. PEARL: Unbiased Percentile Estimation via Contrastive Learning for Industrial-Scale Livestream Recommendation
- 论文链接:AlphaXiv
- 更新时间:2026-11-17 03:24 UTC
- 机构:TikTok,ByteDance
- 工业优先级:强
- 备注:Accepted to KDD 2027 ADS Track
直播推荐去偏:别回归时长,估分位 🎯
各位算法同学们,同一个视频,有人看10秒有人看10分钟,直接回归观看时长会怎样?高活用户把训练信号带偏,模型学到的是“谁爱刷”而不是“谁喜欢”。PEARL 的思路很干脆:不估绝对时长,只估这个用户自己的分位。上线 A/B 里举报率降了 6.91%,这个数字比涨时长更值得看。
📄 PEARL: Unbiased Percentile Estimation via Contrastive Learning for Industrial-Scale Livestream Recommendation
🔧 不需要辅助模型估分布:把预测目标从绝对互动量换成用户内的相对分位,直接用训练数据里天然存在的成对样本做对比(同一用户两次互动谁看得更久),用 BCE 学相对顺序。相比 RAD 那套先估条件互动分布再转分位的做法,少了一层估计误差和一套线上分布追踪。论文给了理论证明:这类成对比较得到的就是分位数偏好信号的无偏估计。
🧩 稀疏离散反馈用预测做平滑:点击、送礼这类是离散标签,经验分位太粗、样本太薄,用基于预测的 bootstrapping 把粗糙经验分布换成连续先验,缓解标签稀疏带来的抖动。
⚙️ 加权形式加协同训练:value-weighted 形式让不同互动的重要性可以不同;co-training 引入互补监督信号,让表征学和排序目标同时受益,不是单纯换个 loss。
📊 离线:多个排序目标上 User AUC 稳定提升,行为偏置得到明显缓解。
📈 线上 A/B(十亿级用户的直播推荐系统):Watch Duration +2.10%,Consumption Amount +0.80%,Interaction Rate +1.49%。
✅ Report Rate -6.91%,而且时长是涨的,不是靠推更刺激的内容换来的。
适合直播、短视频这类“用户行为强度差异大、回归目标长尾”的排序场景。落地要盯两件事:成对样本是否够密(决定分位估计方差),以及离散目标上的平滑强度,照搬权重容易过平滑。如果你们还在用需要辅助分布模型的去偏方案,这个是更轻的替代路径。
2. COTTI: Contrastive Training and Time-Aware Inference for Robust Industrial Recommendation under Promotional Drift
- 论文链接:AlphaXiv
- 更新时间:2026-11-17 11:18 UTC
- 机构:未披露机构
- 工业优先级:中
离线AUC微涨,线上CVR+3.14%
各位算法同学们,大促期间最反直觉的一点是:离线AUC从0.8101挪到0.8127,几乎看不出变化,线上CVR却相对涨了3.14%。涨得最多的那部分不在训练里,而在打分那一刻——这篇论文就是把这两件事拆开做的。
📄 COTTI: Contrastive Training and Time-Aware Inference for Robust Industrial Recommendation under Promotional Drift
🔧 CPC跨期对比对齐:同一个用户的日常历史和大促历史配成正样本做InfoNCE,权重η=1−σ(v)由两个视图的方差距离决定,差得越远权重越小,而且η参与反向传播,模型可以自己选“对齐”还是“把门关小”,不是硬拉齐。
🧩 RW按历史距离重加权:促销样本权重ω=exp(−γ(d−μ)/σ),距离低于批次均值的样本权重大于1、远的小于1,直接乘进损失,不裁剪也不做均值归一,保留转化标签作为监督。
⚙️ ABA只在线调logit:冻结预测器参数,用head dropout多次前向拿到预测波动U,再乘时间事件核α(t),得到δ去修正logit。训练期和服务期彻底分离,κ、β在早期验证集上选好后不再动。
📊 Fliggy离线AUC 0.8127,TEN是0.8101,TEN单加ABA是0.8123,ABA作为即插即用的校准层也能起作用。
📈 十天线上实验对在服的HDR模型:CVR相对+3.14%,RPM相对+2.68%。
✅ 端到端p99 38.9ms,吞吐14700 QPS,开ABA只多2.2ms,代价很小。
⚠️ 但交叉类目分析有代价:整体区分度提升的同时,新类目下已购商品的召回下降,这是他们自己写明的权衡。
总结:适合已经在跑HDR、TEN这类大促自适应方案的团队,把COTTI当推理期轻量补丁比整体换模型划算。要盯的是新类目召回、ABA的校准窗口,以及Δ(u)这个表征漂移量——它只说明均值变了,不等于排序退化,别拿它当线上告警用。
3. Efficient Generative Retrieval for E-commerce Search with Semantic Cluster IDs and Expert-Guided RL
- 论文链接:AlphaXiv
- 更新时间:2026-11-17 02:49 UTC
- 机构:Taobao & Tmall Group of Alibaba
- 工业优先级:未标注
一物一ID未必最优,淘宝这样改 🔧
各位算法同学们,一个召回通道能吃掉线上 72.63% 的购买、58.96% 的点击,占总曝光 50.25%——但论文开篇就泼冷水:生成式召回不该端到端替代原来的多阶段漏斗,而是塞进去当召回补充。这篇的看点正是这个“退一步”的工程取舍。
📄 Efficient Generative Retrieval for E-commerce Search with Semantic Cluster IDs and Expert-Guided RL
🔧 CQ-SID 放弃一物一 ID,把 SID 当“语义簇编号”用:RQ-VAE 三级码本 2048×1024×1024,第一级直接拿商品类目 ID 强制约束(1711 个有效类目),二三级走常规最近邻量化,同簇共享前缀、允许有限碰撞但给每簇设上限,beam search 复杂度因此大幅下降。
🧩 训练上加了 query-item 对比学习和分阶段 SFT,从商品标题到 query-item 关联再到用户个性化特征逐步喂进去,backbone 只用 Qwen2.5-0.5B,没堆大模型。
⚙️ EG-GRPO 解决的是稀疏 reward 下 policy gradient 不稳的问题:把 ground-truth 样本注入同一个 group 里做优势归一化,让召回目标与下游排序对齐时不会训崩。
📊 离线 TmallAPP 搜索日志:语义点击 hitrate 相对 RQ-VAE 基线提升 26.76%,个性化点击 hitrate 提升 11.11%,同时 beam size 减半。
📈 线上 A/B:GMV 提升 1.15%,UCTCVR 提升 0.40%。
✅ 该生成式召回通道在生产环境占曝光 50.25%、点击 58.96%、购买 72.63%。
🧠 我的判断:做工业召回、尤其被索引维护和延迟卡住的团队,这套“放粗 SID 粒度换效率”的思路可以拿来对照。但要盯的是簇内上限、beam size 和 hitrate 的联合曲线,只看 hitrate 会误判;和 CAT-ID、Hi-Gen 这类强调 ID 可区分性的工作比,它的差异就在于主动允许碰撞。坑也明显:第一级码本绑死类目体系,类目本身乱的话,后面全歪。
