小红书精读：Reasoning Reranking with Semantic IDs as the Sole Item Representation

不给物品文本，8B模型照样能重排

各位算法同学们，把候选物品的标题、类目、caption 全删掉，只留三个语义 ID token，8B 模型的重排结果能和读两万 token 文本的强 LLM 打平。这篇把“纯 SID 到底能不能支撑 listwise 重排”当成一个可控实验来做，没有只是顺手用一下 ID。

📄 Reasoning Reranking with Semantic IDs as the Sole Item Representation

🔧 造了个 ReRankID testbed：同一批用户和候选集可以分别渲染成纯 SID、纯 caption、两者混合，历史长度（0 到 256）和候选数量（10 到 100）每次只变一个维度，排序质量和不合格输出（照抄输入顺序、推理死循环、格式坏掉）分开统计；这一点比多数重排论文做得更清楚。

🧩 先诊断再训练：未经后训练的 SID 模型几乎不做重排，直接把输入顺序原样返回，即使给上可读 caption 也没修好，只是把失败形式换了个样子；SID prompt 比文本短约 20 倍（最长历史下约 28 倍），但更长历史并没有带来持续收益。

⚙️ 同一协议下比较了 SFT、拒绝采样自训练（RFT）、on-policy 蒸馏（OPD）和带排序 verifier 的 RLVR；SFT 就能消掉照抄和死循环，在 8B 上 RLVR 又在 SFT 之上再涨一截，并用分级排序奖励优于二值 top-1 奖励。

📊 8B RLVR 版是最强的纯 SID 重排模型，和读文本的 LLM 相比，prompt 短约 20 倍。 📈 完全不给历史时它仍高于随机，caption 参考模型做不到这一点。 ✅ 历史拉长到文本 prompt 超过 50k token 时，它保持收益，caption 参考模型已经不再提升。 🔍 配对 rationale 审计：它比文本参考更会讲权衡，但描述它没见过文本的物品时更不准。

总结：如果你们线上已经是 SID 索引的生成式推荐，想在最后一级加 reasoning 重排又不想承担几万 token 的 prompt 成本，这个方向可以直接试；重点看 rank 指标、照抄输入顺序的比例和输出格式失败率。需要注意的地方在于，它的 rationale 只能当排序解释看，不能当物品描述用；另外它比的是 caption 参考模型，不是最强文本重排器，在 1.7B 上 RLVR 相对 SFT 基本没赚，别指望小模型白捡。

原文：AlphaXiv