小红书精读：UGR: Unified Generative Ranking for Heterogeneous E-commerce Recommendation

淘宝把千级候选一起做生成式排序

各位算法同学们，生成式排序论文大多只在单个业务截断后的候选集上生成排序列表，再交给下游混排；生成出的列表和最终曝光列表已经不是同一个东西。UGR 直接把整个请求级、跨业务的上千个候选喂进一个解码器生成最终列表；淘宝线上 A/B 的 GMV 因此涨了 2.10%。

📄 UGR: Unified Generative Ranking for Heterogeneous E-commerce Recommendation

🔧 全量异构候选统一生成：自然结果、广告和其他业务的候选被映射到同一表示空间，低秩候选 attention 对请求级候选建模上下文，再由 candidate-aware 自回归解码直接输出跨业务排序列表，因此不再有二次混排造成的位置与上下文漂移。

🧩 不止模仿曝光序列：NTP 学曝光日志之外，WSFT 给反馈价值高的曝光项加训练权重，PermPO 用反馈 DCG 在同一批曝光项的不同排列之间构造偏好对，补上曝光后行为这层监督。

⚙️ 广告价值拆成训练和 serving 两段：训练时用广告去偏 tower 吸收历史投放策略造成的曝光偏差，serving 时移掉它，只把当前广告价值和推荐分相加，原有分配逻辑和 GSP 计费规则都不动。

📊 离线实验排序质量稳定提升（论文表述为 consistent gains），没有靠单点指标凑数。

✅ 淘宝“猜你喜欢”线上 A/B 对生产基线：Core IPV +1.76%，成交笔数 +3.29%，GMV +2.10%。

📈 生产环境单请求候选规模约一千个，横跨多个业务，这才是它和单业务生成式排序的真正差别。

我的判断：做多业务混排或生成式排序落地的可以细看，重点不在“生成”这个动作，而在它承认曝光序列不等于用户偏好。要盯两个指标：生成列表和下游 evaluator 最终选中列表的一致率，以及去偏 tower 上线后广告收入有没有掉。坑在于全量候选 attention 的延迟成本，以及和 GSP 计价的耦合——计费规则一改，这套打分口径得重新调。

原文：AlphaXiv