小红书精读：Beyond Modality Harmony: Orthogonal Purification and Topology-Guided MoE for Conflict-Aware Multimodal Recommendation

⚙️多模态推荐别再硬融，正交净化来破局

💡 各位算法同学们，你默认多模态特征对推荐都是正向的吗？这篇工作直接说“模态和谐”是个脆弱假设——视觉诱饵、语义错位这些模态噪声越融越脏。

📄 Beyond Modality Harmony: Orthogonal Purification and Topology-Guided MoE for Conflict-Aware Multimodal Recommendation

🛠️ 创新点集中在三个位置： 🔧 先建立协作锚点：只用纯ID嵌入跑图卷积，得到用户-物品的协同共识方向；再把视觉/文本特征几何分解为与锚点平行和正交两个分量，平行分量保留安全语义，正交分量被当作可疑噪声做能量保持截断，只矫正方向不砍表达能力。 🧩 融合阶段不搞零和博弈：传统softmax注意力给视觉加权重必然压制文本，OrthoRec改用拓扑感知的解耦sigmoid门控，让每个净化后的模态独立决定注入规模，权重不再抢一个总量。 ⚙️ safe-SSL目标给对比损失踩刹车：用几何冲突分数动态降低矛盾视觉-文本对的对比惩罚，避免被强行对齐拉崩表征。

📊 实验效果： 📈 三个Amazon真实数据集上，OrthoRec一致超过多个近期baseline，在Recall和NDCG指标上拿到SOTA。 ✅ 在注入模态噪声和item稀疏设置下，性能下降更小，表现出更强的抗欺骗鲁棒性。 🧪 消融显示去掉CGOP或TAR-MoE都有明显回退，验证两个模块各有其用。

✏️ 我的判断是，这个框架把多模态推荐从盲目融合拉回到“先共识、后融合”的路线，整体实现不复杂，对做推荐噪声治理的同学是个很好的对比参照。但落地时我会紧盯一个坑：协同锚点本身要够稳，如果交互数据很稀疏，锚点不准，正交净化反而可能放大错误方向，所以建议同时在长尾item上观测NDCG，别只看总体均值。

原文：AlphaXiv