小红书精读：RouteRec: Behavior-Guided Sparse Routing for Sequential Recommendation

MoE路由该拿什么当信号？答案在行为里

各位算法同学们，MoE做推荐的老问题不是专家不够多，而是没人说得清该按什么把session分给专家。RouteRec给了个朴素的答案：别只看hidden state，先用session自己的行为特征当路由信号，而且这个信号预测前就能从日志里拿到。

📄 RouteRec: Behavior-Guided Sparse Routing for Sequential Recommendation（CIKM ‘26）

🔧 路由信号换成四类行为线索：Tempo取时间戳节奏，Focus取item group变化，Memory统计会话内与会话间的重复与延续，Popularity用训练集频率。都是直接算出来的，不靠额外标注。

🧩 三级路由分工清楚：macro看整段历史，mid看session级，micro细到位置级。先用线索分数选专家组，组内再用当前backbone的hidden state细化挑专家。macro和mid的线索全位置共享，micro和组内打分才跟位置走。

⚙️ 只动FFN，不动注意力：backbone还是SASRec，把三处的feed-forward换成routed expert block，其余照旧，迁移成本不高。

📊 六个公开数据集、18个dataset-metric组合里，12个第一、3个第二，平均排名1.61，次好的baseline是4.11。

📈 九个baseline对比之外还做了matched control：换掉行为线索、只留hidden state路由，SASRec和DuoRec两个backbone上都掉点，说明涨的不是多出来的参数量。

✅ KuaiRec、LastFM、Retail Rocket三个数据集上三个指标全领先，专家使用率也随行为线索变化，路由分布和观测到的行为对得上。

🧠 我的判断：如果你在做session-aware序列推荐、已经用过MoE但说不清收益来自哪里，这篇的切入点可以直接抄——先定义可观测的路由信号，再谈专家容量。要盯的是平均排名和matched control，别只看单个数据集的最好值。两个坑：Focus线索依赖数据集自带的category/genre/artist，没有就补零，此时实际只有三类线索在工作；它替换的是FFN，如果backbone不是SASRec式结构，路由点得重新设计。

原文：AlphaXiv