小红书精读：MetaStrategy: Generative Ranking with Executable LLM Strategies

生成式排序新招：LLM输出可执行策略

各位算法同学们，今天分享一篇来自淘宝首页猜你喜欢的生成式排序论文，核心思路是不让LLM直接输出商品序列，而是生成一份可执行的排序策略，让生产排程器来执行，这样既能用上LLM的联合决策能力，又不破坏现有系统的规则和护栏。

📄 MetaStrategy: Generative Ranking with Executable LLM Strategies

🔧 策略生成而非物品生成：LLM根据请求上下文输出一个类型化的JSON策略包，控制目标权重、内容偏好、体验约束和位置策略，再由确定性验证器和编译器接入现有排序模块。 🧩 Generator-Evaluator架构：LLM控制一个独立的生成器，与约十个生产生成器在列表级评估器下原子竞争，保证可验证、可回退，不干扰主线。 ⚙️ 训练方法：自竞争课程把高频策略变成下一轮对手，缓解奖励崩塌；评估器路由的在线蒸馏把多个4B教师的最佳输出压缩到0.8B学生，且保留GE奖励信号。

📊 离线replay中，Routed OPD（0.8B）学生选择率16.24%，增量GE提升0.73%，有效性98.03%，超过4B模型。 📈 在线7天A/B测试中，MetaStrategy赢得27.93%的GE调用。 ✅ 点击PV提升2.11%，IPV提升3.12%，交易额提升2.83%，且无RT增加。

💡 总结感想：这个思路很务实，把LLM放在策略层而不是列表生成层，落地阻力小，也更容易对齐业务指标。值得关注的是他们用近线生成和蒸馏解决了成本问题，坑可能在于策略空间的构造和评估器偏差，需要持续监控。

原文：AlphaXiv