小红书精读：GenPage: Towards End-to-End Generative Homepage Construction at Netflix

Netflix首页被一个模型端到端生成

各位算法同学们，Netflix 把整个首页推荐栈换成一个 Transformer 之后，线上核心互动指标只涨了 0.24%——但这已是他们近几年最大的算法涨幅，而且端到端延迟还降了 20%。这个反差本身就说明了成熟推荐系统里「端到端生成」的真实水位。

📄 GenPage: Towards End-to-End Generative Homepage Construction at Netflix

🔧 把首页当成一段序列来生成：用户历史、画像、请求上下文拼成 prompt，模型自回归直接吐出整页的多行结构（行 ID 加行内实体 ID），召回、排序、重排这套多阶段流水线一次性拿掉。

🧩 自建 tokenizer 而不是套通用分词：一条「用户 30 天前看了 50 分钟某剧」用通用分词要 16 个 token，他们的方案压到 4 个（实体、行为、时间桶、时长桶），同时让 token 和行、实体这些业务概念一一对应，后面才好做规则约束解码。

⚙️ 训练照搬 LLM 那套：先在真实曝光页面上预训练学「首页长什么样」，再用两种 post-training——WBC 在 token 级估价值但解码仍整页自回归，RL 则用页面级 reward model、拿真实互动而不是人类偏好对来优化。工程侧配套冷启动的语义 embedding 融合、多节奏增量训练保新鲜度、约束解码保业务规则、混合行解码压延迟。

📊 线上 A/B 是对着一套已经很成熟的生产推荐栈打的：核心互动指标 +0.24%，p<0.001，端到端 serving 延迟 -20%。

📈 离线最反直觉的一条：现阶段把 prompt 做富，收益比扩模型容量更大，说明瓶颈在输入信息量而不是参数量。

✅ RL post-training 让首页多样性自己涨了，而多样性并不在优化目标里，侧面印证页面级优化能吃到跨行、跨实体的交互。

总结感想：做首页、货架这类结构化多模块推荐的团队可以细看，尤其是想砍多阶段栈的。但要盯两件事：reward model 和长期指标是否同向，以及自家核心指标的敏感度——0.24% 在成熟系统里能不能复现，跟指标底噪关系很大。RL 版本还没上线，另外长历史这类数据仍是人工摘要塞进 prompt，这块是留给后续的坑。

原文：AlphaXiv