小红书精读：UniRec: Cross-stage Multi-Task Fusion with Preference Alignment for Cascaded Recommender Systems

粗排把精排喜欢的筛掉了😅

各位算法同学们，精排喜欢的内容，粗排可能早就把它扔了——这就是级联推荐里典型的跨阶段不一致。UniRec 的切入点不是只调粗排打分模型，而是把粗排和精排的多任务融合模块放进同一张计算图里联合优化。

📄 UniRec: Cross-stage Multi-Task Fusion with Preference Alignment for Cascaded Recommender Systems

🔧 两个融合 agent 部分共享输入 embedding，在单个计算图里训练，梯度能从任一阶段流回去影响另一端；adapter 还把粗排表示显式喂给精排融合模块。不是单向蒸馏，是双向适配。

🧩 双轴偏好对齐：纵轴把精排的 pairwise preference 传到粗排融合分，横轴把几十个异构先验信号上的 pairwise 目标压成双向偏好证据，降低多目标融合的扩展成本。

⚙️ AGRR 属性组相对正则：借鉴 GRPO 的分组思路，优势计算和策略归一化都放在同属性组内做。整组高奖励属性被统一抬高不会带来优化增益，避免端到端优化只偏向高回报属性区域。

📊 离线评估里，UniRec 稳定超过单阶段融合和跨阶段协调 baseline，论文没给具体点数，别把这个当绝对提升。

📈 线上 A/B 显示 app 使用时长 +0.616%。这个数字在生产系统里不算大，但方向一致且已全量部署。

✅ 已在快手平台全量部署，说明延迟和工程约束这关过了。

如果你在做级联推荐、粗排精排融合或多任务权重优化，这篇的抓手是“别只对齐打分，要对齐融合模块”。要盯的坑是 AGRR 属性分组怎么划，划太粗可能没约束，划太细又回到单目标；线上也别只看使用时长，最好同时看生态和多样性指标是否被牺牲。和 COPR、HCCP 这类跨阶段协调比，它多动的是融合层，不是上游打分。

原文：AlphaXiv