小红书精读：Think-to-Personalize: Unifying Reasoning and Retrieval for User-Centric Personalized Dense Retrieval

检索之前先想一步？TTP把推理揉进召回✨

各位算法同学们，过去做个性化检索都是把用户历史拼进特征再学个向量，但有没有想过：与其让模型自己从嘈杂行为里猜意图，不如让它先把“这人到底想买啥”推理出来，再拿这个推理结果去检索？今天这篇美团和科大的工作就把这件事做成了端到端，线上订单量还涨了。

📄 Think-to-Personalize: Unifying Reasoning and Retrieval for User-Centric Personalized Dense Retrieval

🔧 核心创新是把用户历史序列和当前query一起喂给LLM，让它先输出一个意图增强query，再取向量做检索，整个过程共享同一个编码器，推理和召回被绑在一起优化。 🔧 训练分两段：第一段SFT用生成损失加InfoNCE对比损失做冷启动，让模型学会格式和基本检索能力；第二段用GRPO做强化学习，奖励函数不只看格式和长度，还专门设计了检索奖励，衡量重写后的query相对原query在正样本得分和负样本区分度上的增益。 🔧 避免过个性化的坑：数据构造时用大模型生成5个候选重写，再用重排器按与真实购买item的相关性增益过滤，只保留收益为正的样本，并且保留一部分“不改写”的样本，让模型学会什么时候该收手。

📊 在自建数据集上，TTP在General上Recall@20达到47.52%，比最强的隐式建模基线MAPs高1.76%；在Broad这种模糊query场景，Recall@20比Qwen-Embedding高7.47%，说明它对意图消歧特别有效。 📊 在公有Amazon和KuaiSearch上也是全面领先，Amazon的HR@20到90.17%，KuaiSearch的HR@20到21.94%，都比Decoupled-Stage这种拆成两段的强。 📈 线上A/B测试订单量提升0.46%，虽然数字不大，但检索场景这种量级已经能说明问题了。

总结一下，这个思路适合那些query短、历史行为丰富的电商/本地生活场景。注意点是推理会带来额外延迟，论文里加了长度惩罚来控制输出，落地时得评估线上时延；另外RL阶段的检索奖励依赖SFT模型打分，如果SFT模型本身很拉，奖励信号也不可信，所以先得把第一段训扎实。

原文：AlphaXiv