小红书精读：KUAISHOU Explorer LLM-Rec Challenge 2026: Reasoning Generative Recommendation

推理加进推荐，指标反而掉了？

各位算法同学们，给推荐模型加思维链，效果不一定涨——这是快手这篇挑战赛报告里反复强调的反常识结论。他们干脆把“推理式生成推荐”做成赛题，顺手把模型权重、推理 SFT 数据、评测基准全开源了。

📄 KUAISHOU Explorer LLM-Rec Challenge 2026: Reasoning Generative Recommendation

🔧 物品用 Semantic ID 表示：领域标记加三层残差量化码，每层 8192 个码字，RQ-KMeans 把多模态内容压成 LLM 词表里的特殊 token，推荐目标就是自回归吐这些码。

🧩 四类任务塞进同一个模型：理解物品、理解用户（按给定兴趣主题挑出相关历史行为并生成兴趣演化链）、跨域预测下一交互、外加世界知识选择题，考验训练后通用能力还剩多少。

⚙️ OneReason 的应对是强化 SID 与自然语言的语义对齐，用结构化模板监督兴趣推理，再叠 RL/RFT，让 CoT 真正对推荐有用，而不是模型自嗨。

📊 开源 SFT 数据 792,797 条，其中 412,438 条带 CoT 轨迹；另有 50 万匿名用户行为，覆盖短视频、电商、广告、直播四域。

📈 评测用 thinking 与 non-thinking 两种模式各跑 Pass@32 再合并算分，思路是逼 thinking 捞到非思考模式预测不出的多样兴趣物品。

✅ 榜首队伍总分 1.44，其后是 1.42、1.41、1.41、1.40，头部咬得很紧，没出现断层方案。

做 LLM 与推荐融合的同学可以盯这个赛题，重点看双模式合并后指标怎么涨、RL 阶段怎么筛 rollout 轨迹、SID 对齐做到哪一层。坑也很明确：CoT 不加约束就是拖后腿，直接套通用推理模板大概率白跑一轮。

原文：AlphaXiv