小红书精读：UNIQUE: A Unified Retrieval and Ranking System for Large-Scale Feed Recommendation

百度把召回和排序塞进同一个模型了

各位算法同学们，召回和排序合并成一个模型这件事，学术界喊了好几年，真敢在十亿级流量上全量跑 A/B、还把 P99 延迟一起公布出来的工业论文，其实没几篇。这篇 UNIQUE 就是其中之一，而且它的重点不在涨点，在怎么把两阶段的信息损失补回来。

📄 UNIQUE: A Unified Retrieval and Ranking System for Large-Scale Feed Recommendation

🔧 核心是 early fusion：用户历史 token、候选 item、候选 code 全部塞进同一个 Transformer 计算图，一次前向同时产出生成式召回的 code logits 和排序用的多目标分数。排序监督因此可以直接塑造共享的用户表示，而不是像级联那样靠候选列表传话。

🧩 量化上放弃 RQ-VAE 的多层残差，改成单层扁平 codebook，最近邻硬分配，从结构上消掉层级误差累积；量化处用 straight-through estimator 让梯度照常回传。

⚙️ codebook 不是拿 item 元信息直接学，而是先过一个 DSSM 多任务双塔，让 item 表征吃进 CTR、时长、完播这些后验反馈再做量化；外加一个平衡量化机制缓解码本被头部 item 占满的问题。

📊 线上 A/B：总观看时长 +0.96%，总分发量 +1.08%。

📈 新用户和高活跃用户这两类人群的涨幅明显高于大盘，论文专门点了出来。

✅ 服务端 P99 延迟 89 ms，在线推理 MFU 44.23%，这是它敢说 production-ready 的底气。

⚖️ 码本分析显示比层级量化的资源分配更均衡，这条对长尾和冷启动的判断价值，其实比那两个 +1% 更关键。

我的判断：如果你在做召排级联的工业推荐，且正被码本长尾偏斜、候选质量卡住排序上限这两件事折磨，这篇的工程细节比结论更值得抠。要盯的指标是长尾和冷启动的召回覆盖率、码本利用率，而不是只看大盘那 +1%。坑有两个：单层扁平量化对码本规模有多敏感，论文没展开，换到你的数据上得重扫；target-attention 那个交互切分对训练稳定性影响不小，结构别直接照搬。

原文：AlphaXiv