小红书精读：TAGR: Temporally Adaptive Generative Recommendation for Industrial Live-Streaming Advertising

生成式推荐搞直播广告，TAGR涨16%

各位算法同学们，生成式推荐一般默认商品ID是静态的，但直播广告里的场景和带货商品每分钟都在变，直接套用会翻车。TAGR针对这个痛点，把token、意图、对齐三层都做了时序自适应，在快手电商直播广告场景把收入提升了16.1%。

📄 TAGR: Temporally Adaptive Generative Recommendation for Industrial Live-Streaming Advertising

🔧 LSID（Live Semantic-Collaborative ID）：把直播广告的ID从静态变成动态，定期根据当前直播场景和带货商品刷新标识，同时保留一个稳定的层级词表，既跟得上变化又不破坏自回归生成的搜索空间。 🧩 IAG（Intent-Aware Generation）：把进房历史按多个时间粒度作为主意图序列，辅助行为单独作为输入，并在NTP训练时用请求后的反馈和商业价值加权，让模型更关注强意图样本。 ⚙️ IOPO（Intermittent On-Policy Preference Optimization）：周期性地从当前策略采样候选组做偏好更新，并穿插监督式NTP维护，既吃到在线反馈的“新鲜度”，又稳住已经学到的行为分布。

📊 直播进房率（live-room entry）提升8.5% 📈 加购点击率（shopping-cart click）提升7.4% 💰 相比生产基线收入提升16.1%

这套方案的亮点是把“时序自适应”拆到token、意图、对齐三层，每层都有对应设计，不靠堆模块。对做直播电商或动态商品推荐的团队很有参考价值。落地时要注意LSID的刷新频率和IOPO的更新节奏，这两个超参直接决定效果和稳定性，建议从小步快跑开始调。

原文：AlphaXiv