type
status
date
slug
summary
tags
category
icon
password
priority
Section 1: 📊 Trend Analysis
- 🔥 特征交互的精细化与延迟化：今日多篇论文聚焦于精排阶段的特征交互优化，核心趋势是避免“一锅烩”的粗放式交互。无论是处理特征异质性（MGDIN）、平衡序列与上下文特征（CDNet），还是解耦多模态对齐（AnchorRec），都强调通过分组、分层、延迟等机制，实现更精细、有序的特征融合，以提升模型鲁棒性和预测精度。
- 💡 大模型（LLM/VLM）的轻量化与专用化部署：大模型在推荐与检索中的应用正从“直接使用”转向“高效部署”。通过知识蒸馏（NanoVDR）、语义表示转换（VLM4Rec）或针对特定问题（如长尾、EISAM）设计优化框架，研究致力于在保持大模型强大能力的同时，大幅降低参数量、推理延迟和部署成本，推动其走向实用。
- 💡 多模态推荐：从特征融合到语义对齐：多模态推荐的研究重点正在演变。传统方法侧重于如何融合不同模态的特征，而新工作（如VLM4Rec、AnchorRec）更关注如何获得与用户偏好匹配的、高质量的语义表示。这体现了从“如何合”到“用什么合”的思维转变，强调语义空间的对齐比复杂的融合架构可能更重要。
Section 2: 📋 今日速览
今日速览 |
Alibaba 提出多粒度延迟交互框架MGDIN，线上CTR提升1.2% ↗ |
Aalto University 蒸馏2B视觉检索器为70M文本编码器，延迟降低50倍 ↗ |
Alibaba 设计双视角交互网络CDNet，平衡细粒度行为与全局兴趣建模 ↗ |
UNIST 提出锚点对齐框架AnchorRec，解决多模态推荐位置坍缩问题 ↗ |
浙大&蚂蚁 提出EISAM优化框架，针对性提升LLM推荐中的长尾物品性能 ↗ |
University of Amsterdam 增强生成式检索多步推理能力，提升金融问答准确性 ↗ |
Nova SBE 融合语义行为地理信号，构建竞争感知模型提升CPC预测稳定性 ↗ |
USC 利用大视觉语言模型提取语义表示，验证其优于传统多模态特征融合 ↗ |
浙江工业大学 提出层次化LLM推理方法FGTR，在表格检索任务上F2指标提升18-21% ↗ |
Section 3: 📰 Daily Digest
1. Deferred is Better: A Framework for Multi-Granularity Deferred Interaction of Heterogeneous Features
🔗 原文： https://arxiv.org/abs/2603.12586
🏷️ 来源： 🏭 工业界 | Alibaba
⭐ 评分： ⭐⭐⭐⭐ (4/5)
🎯 推荐理由： 阿里提出MGDIN框架，通过延迟交互优化CTR预测，线上A/B测试CTR提升1.2%。
📝 摘要： 本文针对CTR预测中特征异质性（稀疏性与信息密度差异大）导致统一交互策略效果不佳的问题，提出了多粒度信息感知延迟交互网络（MGDIN）。其核心创新在于：首先通过多粒度特征分组，将原始特征划分为信息密度更同质的组；然后采用分层掩码策略实现延迟交互机制，在早期网络层中屏蔽低信息组，随着网络加深逐步引入，让模型先基于高信息特征建立稳健理解。该方法在阿里巴巴的在线A/B测试中取得了CTR提升1.2%的显著效果，为工业界处理复杂特征交互提供了新思路。
2. NanoVDR: Distilling a 2B Vision-Language Retriever into a 70M Text-Only Encoder for Visual Document Retrieval
🔗 原文： https://arxiv.org/abs/2603.12824
🏷️ 来源： 🎓 学术界 | Aalto University
⭐ 评分： ⭐⭐⭐⭐ (4/5)
🎯 推荐理由： 提出非对称蒸馏框架，将2B VLM压缩为70M文本编码器，在视觉文档检索中实现95.1%教师性能，延迟降低50倍。
📝 摘要： 针对视觉文档检索中对称编码设计（查询和文档使用同一大型编码器）导致推理成本高的问题，本文提出NanoVDR框架。它利用查询（文本）与文档（视觉）的非对称性，将任务解耦：使用冻结的20亿参数视觉语言模型（VLM）教师离线编码文档，同时通过知识蒸馏训练一个仅6900万参数的纯文本学生模型在线编码查询。通过系统比较六种蒸馏目标，发现基于查询文本的点向余弦对齐效果最优。最终，该轻量级学生模型在22个数据集上保持了教师模型95.1%的性能，同时参数量减少32倍，CPU查询延迟降低50倍，为大规模多模态检索系统的轻量化部署提供了高效方案。
3. Bridging Sequential and Contextual Features with a Dual-View of Fine-grained Core-Behaviors and Global Interest-Distribution
🔗 原文： https://arxiv.org/abs/2603.12578
🏷️ 来源： 🏭 工业界 | Alibaba
⭐ 评分： ⭐⭐⭐⭐ (4/5)
🎯 推荐理由： 阿里巴巴提出CDNet双视角交互网络，平衡细粒度行为与全局兴趣建模，提升CTR预测精度。
📝 摘要： 本文旨在解决CTR预测中用户行为序列特征与物品上下文特征交互的难题。传统方法将序列聚合成单一向量再交互，会导致行为信息丢失且无法捕捉细粒度交互；而让每个行为直接与上下文交互则计算开销大且噪声多。为此，作者提出了核心行为与分布补偿双视角交互网络（CDNet）。该网络从两个互补角度建模：一是细粒度视角，识别并让与候选物品最相关的核心行为与其上下文进行交互；二是粗粒度视角，建模用户全局兴趣分布与上下文特征的交互。这种设计在不过度增加计算负担的前提下，有效平衡了细节捕捉与整体兴趣理解，通过离线实验验证了其有效性。
4. Anchored Alignment: Preventing Positional Collapse in Multimodal Recommender Systems
🔗 原文： https://arxiv.org/abs/2603.12726
🏷️ 来源： 🎓 学术界 | UNIST, Chungbuk National University
⭐ 评分： ⭐⭐⭐ (3/5)
🎯 推荐理由： 提出锚点对齐框架解决多模态推荐中的位置坍缩问题，保持模态特异性同时提升推荐性能。
📝 摘要： 针对多模态推荐系统中强制统一嵌入空间对齐会导致模态特异性结构模糊并加剧ID特征主导的问题，本文提出了AnchorRec框架。其核心创新在于“间接锚点对齐”，即在轻量级投影域中进行基于锚点的对齐，从而将对齐过程与表示学习解耦。这种方法能够保留每个模态的固有结构，同时维持跨模态一致性，有效避免了位置坍缩。在四个亚马逊数据集上的实验表明，AnchorRec在取得有竞争力的Top-N推荐准确率的同时，定性分析也显示了其提升的多模态表达能力和一致性。
5. Taming the Long Tail: Efficient Item-wise Sharpness-Aware Minimization for LLM-based Recommender Systems
🔗 原文： https://arxiv.org/abs/2603.12752
🏷️ 来源： 🤝 产学合作 | Zhejiang University, Hangzhou Dianzi University, Ant Group
⭐ 评分： ⭐⭐⭐ (3/5)
🎯 推荐理由： 首次系统研究LLM推荐中的长尾问题，提出高效item-wise SAM优化框架提升尾部性能。
📝 摘要： 本文首次系统研究了基于大语言模型的推荐系统中的长尾问题，揭示了其面临来自预训练语料的“先验长尾”和来自推荐数据集的“数据长尾”双重挑战，其中数据长尾主导了性能分布。为解决此问题，作者提出了高效的项目级锐度感知最小化（EISAM）优化框架。EISAM通过在项目级别自适应地正则化损失函数的平坦性（sharpness），专门针对尾部项目进行优化，并设计了高效的惩罚项以保证在LLM上的计算可扩展性。理论分析为该方法提供了泛化界支持。在三个真实数据集上的大量实验表明，EISAM能显著提升尾部项目的推荐性能，同时保持整体推荐质量。
6. Multi-Step Semantic Reasoning in Generative Retrieval
🔗 原文： https://arxiv.org/abs/2603.12368
🏷️ 来源： 🎓 学术界 | University of Amsterdam
⭐ 评分： ⭐⭐⭐ (3/5)
🎯 推荐理由： 提出ReasonGR框架，通过结构化提示和适配器模块增强生成式检索在金融数值推理任务中的多步语义推理能力。
📝 摘要： 针对生成式检索模型在涉及数值和复杂语义推理（如金融报告查询）的查询上表现不佳的问题，本文提出了ReasonGR框架。该框架旨在增强生成式检索在数值上下文中的多步语义推理能力。其方法结合了结构化提示策略（融合任务特定指令和逐步推理引导）以及一个专注于推理的适配器模块，以更好地学习与推理相关的参数。在包含复杂文档金融查询的FinQA数据集上的实验表明，ReasonGR提高了检索的准确性和一致性，展示了其在推理密集型检索场景中推进生成式检索模型的潜力。
7. Competition-Aware CPC Forecasting with Near-Market Coverage
🔗 原文： https://arxiv.org/abs/2603.13059
🏷️ 来源： 🎓 学术界 | Nova School of Business and Economics, University of Hamburg
⭐ 评分： ⭐⭐⭐ (3/5)
🎯 推荐理由： 提出竞争感知CPC预测框架，结合语义、行为、地理信号提升广告竞价预测稳定性。
📝 摘要： 本文针对付费搜索广告中点击成本（CPC）预测因竞争环境部分可观测而波动大的问题，提出了一个竞争感知的预测框架。该框架通过从关键词文本、CPC轨迹和地理市场结构中提取的互补信号来近似潜在的竞争态势，具体包括：基于预训练Transformer表示构建语义图和邻居关系、通过动态时间规整（DTW）对齐CPC轨迹构建行为邻居、以及捕捉局部需求和市场异质性的地理意图协变量。在Google Ads汽车租赁市场拍卖日志上的实验表明，将这些信号作为独立协变量或时空图预测器的关系先验，能够在业务相关的中长期预测范围内有效提高预测的稳定性和降低误差，为拍卖驱动市场中的CPC预测提供了可扩展的解决方案。
8. VLM4Rec: Multimodal Semantic Representation for Recommendation with Large Vision-Language Models
🔗 原文： https://arxiv.org/abs/2603.12625
🏷️ 来源： 🎓 学术界 | USC
⭐ 评分： ⭐⭐⭐ (3/5)
🎯 推荐理由： 提出用大视觉语言模型提取语义表示，提升多模态推荐效果，实验验证优于传统融合方法。
📝 摘要： 本文挑战了多模态推荐即“特征融合”问题的传统认知，提出表征质量（语义对齐）可能比融合复杂度更重要。为此，作者提出了VLM4Rec框架，其核心是利用大视觉语言模型将商品图像“落地”为明确的自然语言描述，然后将这些接地的语义编码为密集的商品表示，用于基于历史物品嵌入的简单语义匹配推荐。这种方法实现了轻量级的离线-在线分解。在多个多模态推荐数据集上的广泛实验表明，VLM4Rec的性能 consistently优于原始视觉特征和多种基于融合的替代方法，为多模态推荐提供了强调语义对齐的新视角。
9. FGTR: Fine-Grained Multi-Table Retrieval via Hierarchical LLM Reasoning
🔗 原文： https://arxiv.org/abs/2603.12702
🏷️ 来源： 🎓 学术界 | Zhejiang University of Technology, University of Aberdeen
⭐ 评分： ⭐⭐⭐ (3/5)
🎯 推荐理由： 提出基于LLM的层次化多表检索方法FGTR，在表格检索任务上显著提升性能。
📝 摘要： 针对现有基于LLM的表格检索方法粒度粗、效率低且多表查询探索不足的问题，本文提出了细粒度多表检索框架FGTR。该框架模仿人类推理策略，采用层次化推理：首先识别与查询相关的模式元素（如表、列），然后检索对应的单元格内容，最终构建一个与查询对齐的简洁准确的子表。为了全面评估，作者基于Spider和BIRD构建了两个新的基准数据集。实验结果表明，FGTR显著优于先前最先进的方法，在Spider和BIRD上的F2指标分别提升了18%和21%，证明了其在增强细粒度检索方面的有效性及其在提升基于表格的下游任务端到端性能方面的潜力。