之前是一次开放性的问答，问到了这个问题。可以有非常多的答案，比如通常的说法，更专注于代码能力，代码加速了模型的研发，形成了飞轮；更加专注于 B 端付费客户，比起 C 端没有成型的商业模式，B 端可以一边赚钱，一边积累真实的问题解决反馈。
这些肯定都是，但是我觉得那都是伴随着大量表象的或然，它背后的必然是什么？我认为是一种认知，我最近深刻地认识到：在技术的变革期，你的 Team 当下能落地什么，取决于一年前的认知，模型很大，建立新的 Infra 需要时间，这个放到推荐系统是这样，在 LLM 的发展期（20～26）就影响了更大的时间尺度。

为什么Anthropic能阶段反超OpenAI

最近模型从 Dense 切到了 MoE，MFU 也相应地暴跌了，大家直觉上觉得 Expert 被切的很小，所以计算强度上不去，但实际切分完的维度至少也有 1024，MFU 暴跌的原因一定不来自这里。深入理解这个问题，就是理解 GPU 的分布式并行计算，要在计算和访存 bound 之外，引入通信 bound，而解决吞吐和 MFU 的问题的手段，就是设计合理的 GPU并行策略，做好 GPU 计算和通信的遮掩（overlap）。
DeepSeek 的 H800 和昇腾卡，8 卡 nvlink  高速互联，跨节点都是 IB（InfiniBand）低速网络，我们手里虽然有 B200，但实际也也没用上 NVL72，所以DeepSeek 的并行策略有普适的借鉴意义——硬件基础相似，低成本方案，新的 MoE 的方案也做了开源。

DeepSeek-V4的并行策略和计算通信遮掩

2026 年了，一个 LLM 的训练流程并不陌生——pre-train，SFT，RLHF/RLVR。但实际这是一个领域 LLM 的训练方案，比如 Coder/Match/文本专家，怎么整合成一个混合通用模型呢？
最近的 DeepSeek V4技术报告把Post-Train 讲流程讲的更细致了，它先是 pre-train 得到一个 Base-Model，然后先按领域（数学、代码、agent、指令跟随等）分别训练 10 几个专家模型，每个专家都走过 SFT + GRPO 的完整 RL 流程，在自己领域里练到极致。然后关键的一步来了：把这些专家"合成"一个统一模型时，不是让 student 去抄 teacher 的输出分布，而是让 student 自己先 rollout 生成回答，再让多个 teacher 在 student 自己写出来的轨迹上逐 token 给反馈。

从 DeepSeek V4 的多专家on-policy Distillation 反观人类学习

用 Claude Code 模拟 openclaw 风格的个人助理——补齐心跳、记忆、进化三件事，知识库走 Karpathy 的 LLM Wiki。

zero-claw：把 Claude Code 变成 openclaw 风格的个人助理

在 Claude Code 里跑两天无人值守的 ML 实验循环，靠的不是更聪明的 Agent，而是三层 liveness 机制、TaskList 仪表盘和异步 Note 介入通道。

Superpowers-ML 支持 Auto Research：跑两天的 Human on the Loop

推荐系统 20 年来方法换了六七轮，但问题定义从未改变——始终是预测下一个 item。缺多样性、缺发现性、规则泛滥，根源都在这里。真正的范式改变不是换方法，而是重新定义问题：从 Next One 到 Next N。

From Next-One to Next-N：这才是推荐系统的范式改变

从 context 管理到 harness 设计，10 个让你的 coding agent 告别 context rot、成功率翻倍的实用习惯。

让 Claude Code 成功率翻倍的 10 个简单习惯

Agent 写代码很快，但做 ML 实验却异常困难——代码写完只是开始，真正的验证要等几天甚至几周。一个实现 bug 可能让你放弃整条研究路线，一个 checkpoint 没保存让几天训练白费。本文介绍 Superpowers-ML：将软件工程的 TDD、code review、verification 延伸到 ML 领域，通过四层 Validation Pyramid 在几分钟内抓出问题，用 Watchdog 守护长时间训练，让 agent 每次出手都更准确。

Superpowers-ML：用 Superpowers 给 ML 实验做的 Harness Engineering

覆盖 101 篇核心论文（58 篇工业界 + 43 篇学术精选），系统梳理 2022-2026 年生成式推荐从学术概念到工业主流范式的完整技术演进。以 TIGER、HSTU、OneRec 等里程碑论文为核心，深入分析 Semantic ID、模型架构、训练范式、推理增强、长序列建模等关键技术方向。

生成式推荐 (Generative Recommendation) 工业界深度 Survey

这不是一篇教大家怎么实操文章，不谈具体的工具和技术，我们来谈谈Vibe Coding的心法。
Vibe Coding 本质是利用 Agent 编码，Agent 背后是 LLM，LLM 是人类的”幽灵“，这出自 Karpathy 2025 年终总结**：”we're not evolving animals. We're summoning ghosts.“，**语言是人类世界的投影，LLM 是人类的幽灵。
工具和技术层出不穷，这是历史上从未出现过的新技术，没有人有经验。但是人性是一致的，拿捏住 Agent 的"人性"，把 Agent 当人来管，会让Vibe Coding 从迷茫走向有迹可循。

Vibe Coding 核心心法：管 Agent，如带团队

TCA 是 GPU 的核心算力部件 Tensor Core 的时间周期的激活比率，它和 MFU 理论上应当非常接近，日常中会出现 10%～20% 的 GAP，相对稳定，我们就以观察 TCA 为准了。
本文的契机是，当我尝试优化 MFU，拿TCA 作为一个辅助的观察指标，我发现他们之间的 GAP 在一些特殊情况下是不稳定的。由此开始拆解MFU 和 TCA 的 GAP，发现了GPU 的时钟频率在变，矩阵维度不是cuBLAS选择的 kernel shape 的整数倍导致的padding 计算浪费，以及最诡异Flash Attention 2 的 TCA 是 51%，MFU 不到 8%，时钟频率矫正后TCA稳定的是 MFU的 4 倍！

TCA 51%，MFU 不足 8%——GPU 的隐藏性能损耗

NVIDIA 最近的博客文章显示，Blackwell Ultra 平台让 agentic AI 的推理成本相比 Hopper 时代下降了 35 倍（每 token 成本大幅崩盘），这不是孤立的巧合，而是符合 莱特定律（Wright's Law）的典型表现。

Blackwell Ultra 平台让 agentic AI 的推理成本相比 Hopper 时代下降了35倍

谜底就在谜面上。
"算法工程师"，做个语法分析，这是个偏正结构。"算法"是定语，"工程师"才是中心语。定语修饰中心语，中心语决定你的身份。
算法工程师核心能力就是"工程能力"。
就像策略产品、用户产品、B端产品——核心都是产品能力。前面的定语告诉你在哪个领域工作，后面的中心语才是你安身立命的东西。
定语决定你的赛道，中心语决定你的天花板。

算法工程师的核心能力是什么

我们先思考下，一个公司组织里，为什么需要 Leader，需要层级？任何一个超过几十人的组织都需要架构设计。这件事如此普遍，以至于我们很少追问：为什么需要组织架构？组织架构本质上在解决什么问题？
表面上看，组织架构是在划分职责、分配资源、明确汇报关系。但如果往下挖一层，会发现一个有趣的视角：一个组织本质上是一个分布式信息处理系统。 外部信息进来，内部处理，输出决策和行动。组织架构定义的，其实是信息如何在这个系统里流动——谁产生信息，谁消费信息，信息经过哪些节点，在哪里被过滤，在哪里被聚合。

算法组织熵减与Scaling Law的悖论

2017 年，Ilya Sutskever 读到《Attention Is All You Need》时，立即意识到”这就是我们需要的一切”。OpenAI 随即放弃了 RNN/LSTM 路线，全面转向 Transformer，催生出整个 GPT 系列。Transformer 的并行能力让他们得以实现一直相信的 Scaling 路径。八年后的今天，推荐系统终于走到了同样的路口。

2024 年之前，推荐领域有了 HSTU、TIGER 这样的工作，但大多数团队还在观望。2025 年，我观察到一个明显的转变：大家开始认真地把排序模型 Dense Scaling Up，搞生成式召回和端到端推荐。这很像 2017 年——当时大家忙着把 LR/GBDT/FM 切换到 Deep Model 和双塔，切换过程持续了一两年，之后再没人回头。我的判断是，2026 年将是推荐系统 All-In Transformer 的一年，不改变就落后。


2026：推荐系统 All-In Transformer 的元年

深度网络依赖LayerNorm（RMSNorm），这创造了局部的尺度不变性（Scale Invariance），它带了独特的梯度动力学（Gradient Dynamics）。在这个独特的动力学场域中，我们关于机器学习的直觉被颠覆了，Norm的物理含义从特征强度表示变成了学习进度的旋钮，Norm理论上稳步增加，SGD自带学习率衰减，但是刹车踩的太狠导致了学习的早停，而Weight Decay从正则化项进化为有效学习率的动态调节阀。AdamW如何成为标配：Adam做到了梯度的步长恒定，有效学习率的平缓刹车；Warmup来处理训练早期的权重过小（梯度爆炸）和二阶矩估计不准的问题；AdamW修正了L2正则的问题，引入Weight Decay，把“方向更新”和“进度控制”拆成两个干净的旋钮。

为什么LayerNorm+AdamW成了深度网络的标准配置？从尺度不变性到梯度动力学 

在和很多产品、运营团队合作的过程中，我常不得不扮演那个“泼冷水”的角色，特别是当大家对推荐算法寄予厚望的时候。
听到这样的战略规划：“我们明年目标是增长 80%，推荐系统是其中的关键。”
我的观点很直接：如果你的增长战略严重依赖推荐算法，一旦算法效果不及预期，目标就直接崩盘，那么这本质上是一个糟糕的战略**。对于规模增长，推荐算法不能雪中送炭，它只能在规模之上锦上添花。

从RL比SFT更不容易遗忘到反观推荐系统缺陷

生成式检索从概念走向工业落地：今日两篇高分论文均聚焦于用生成式模型统一或替代传统多阶段召回。快手的 OneRetrieval 首次在电商搜索中实现可编辑的生成式检索，统一多分支召回并显著提升订单量。这表明生成式检索正从学术概念向解决工业级“可编辑性”和“大规模部署”等核心痛点演进。; 向量检索系统架构向成本效率倾斜：小红书的 Helmsman 系统挑战了内存图索引（HNSW）的主导地位，通过构建基于全闪存服务器的聚类ANNS，结合用户态存储栈和GPU加速，将硬件成本降低90%。这揭示了在数据规模

AI 技术日报 - 2026-06-13

LLM 深度融入推荐系统全链路：今日多篇论文展示了 LLM 不再仅是辅助工具，而是直接参与推荐核心环节。从 Google 的实时用户画像生成（召回/排序特征），到 CompRank 的 LLM 重排序，再到 TAA-k 优化 RAG 上下文选择，LLM 正在渗透召回、排序、重排等各个阶段，且开始关注工业级部署的效率和成本问题。; 生成式模型成为解决推荐顽疾的新范式：DiffCold 使用扩散模型解决冷启动中的“跷跷板困境”，通过生成式方法统一冷热物品的表示空间。这表明生成式模型（扩散模型、LLM

AI 技术日报 - 2026-06-12

LLM 的工业级落地：从"能不能用"到"怎么用好"：今日多篇论文聚焦于将 LLM 的语义理解能力以低延迟、低成本的方式融入工业推荐系统。快手提出的 AIR 框架通过离线推理+在线检索组合实现 400 倍加速，是 LLM 在跨域推荐场景中成功落地的典型案例，证明了 LLM 在工业界不再是"空中楼阁"。; 长序列建模的"记忆革命"：从压缩到解耦：针对长序列推荐中线性注意力导致的语义状态沉没问题，快手提出的 SinkRec 通过外部化记忆模块，将重复行为模式从状态中解耦出来，让模型专注于动态变化。这种

AI 技术日报 - 2026-06-11

生成式推荐进入精细化调优阶段：今日多篇论文聚焦于生成式推荐（GR）的落地痛点。从京东的AdaGRPO（自适应门控GRPO解决奖励模型噪声）到Yandex的Gryphon（统一SID生成与物品级评分解决序列似然与相关性目标不一致），再到山大的PRO（理论分析索引-解码间隙），业界正从“能否用GR”转向“如何让GR更鲁棒、更精准、更简化系统”。核心趋势是：在GR框架内引入更精细的控制机制（门控、评分、理论指导），而非推翻范式。; 长序列建模与语义化ID成为工业级推荐标配：Meta的论文展示了在十亿用

AI 技术日报 - 2026-06-10

生成式推荐进入深水区：动态语义ID成为核心战场 今日多篇论文（SSRLive、DREAM、CaLIR）聚焦于生成式推荐中的语义ID（SID）问题。业界共识已从“能否用SID做推荐”转向“如何让SID动态适应内容变化和冷启动”。SSRLive提出动态SID解决直播内容快速变化，DREAM通过三阶段框架解决冷启动SID分配，CaLIR则用类别引导的隐式意图推理弥补查询与SID的语义鸿沟。这表明生成式推荐正从静态范式向动态、自适应范式演进。; LLM+RAG成为跨域冷启动的标配方案 DoorDash的

AI 技术日报 - 2026-06-09

今日 AI 领域呈现"中美模型竞争白热化"与"硬件生态深度绑定"两大主线：中国模型在 OpenRouter 上首次全面超越美国模型，Kimi K2.5、MiniMax M2.5 和 DeepSeek V4 成为关键驱动力。硬件层面，NVIDIA 与 SK Hynix 达成多年内存技术合作，黄仁勋警告芯片短缺将持续数年。同时，OpenAI 定制芯片负责人 Clive Chan 跳槽 Anthropic，AI 芯片人才争夺战升级。Codex 推出"每日一人 10 倍用量"挑战，Slack 揭秘万亿级消息搜索架构，GPU Direct Storage 实战指南展示检查点从 5 分钟降至 40 秒的突

AI 技术日报 - 2026-06-08

今日 AI 领域在安全、效率与融资三个维度齐头并进。OpenAI 推出 ChatGPT Lockdown Mode，以确定性机制阻断 Prompt 注入数据窃取，为 Agent 安全提供关键防线。MiniMax M3 在代码审计中以 $0.07 成本与 Claude Opus 持平，再次验证低成本模型潜力。AI 编码初创公司 Lovable 以 120 亿美元估值融资，AI 债务融资市场预计达 2500-3000 亿美元，产业金融化趋势加速。同时，DeployBench 基准揭示 Agent 在自主部署上的显著差距，而 Agentic AI Worm 概念则敲响自适应恶意软件的新警钟。

AI 技术日报 - 2026-06-07

本周的叙事可以用一个词概括：兑现——模型厂商在推理效率、Agent真实能力、平台生态三个方向集中交付上季度承诺的成果。微软CEO Satya Nadella在Build大会后连续两场深度访谈中，将公司定位从“前沿模型提供商”重新定义为“前沿智能平台”，并透露出OpenAI关系的新平衡。同时，NVIDIA、Google、微软在推理侧密集出货：Nemotron 3 Ultra以550B MoE架构实现5倍Agent推理加速，Gemma 4推出12B端侧多模态模型，微软MAI系列一口气发布7款模型并公布MAIA 200芯片的30%性价比优势。Agent评估领域，Andon Labs用自动售货机揭示基准与现实之间的巨大鸿沟，而OpenWebRL则在视觉web Agent上证明多轮RL的有效性。形式化定理证明方面，Goedel-Architect和LEAP两篇论文将开源系统推向99.2% MiniF2F和满分Putnam的新水平。最后，OpenAI的Lockdown Mode和Dreaming记忆升级在安全和产品体验上完成了碎片拼图——Lockdown Mode提供了一种确定性对抗Prompt注入的方案，Dreaming则让ChatGPT的记忆从用户手动保存进化到后台主动合成。

AI周报 2026-W23

本周推荐系统研究围绕三条技术主线展开。 主线1：生成式推荐从“能跑”走向““跑得稳”——语义ID与推理能力成为工业焦点。 Pinterest的UniPinRec实现了检索与排序的全栈统一（线上engagement +1%，延迟-11.1%），跳出了生成式推荐仅做检索的边界。快手的OneReason（线上部署）则揭示了思考模式在生成式推荐中无效的根本原因——感知与认知双因素缺失，并给出三级CoT格式和专化-统一训练的解决方案。两者的共同指向是：生成式推荐的核心瓶颈已从模型架构转移至数据形态（语义ID）与系统协同。 主线2：跨域冷启动从“搬特征”到“学迁移”——LLM作为跨域桥接器开始大规模落地。 快手的RGCD-Rep（服务4亿+用户）用MLLM推理蒸馏将短视频用户兴趣迁移至直播，冷启动参与度显著提升。Meta的Quantizing Intent论文（线上AUC +1.522%冷启）则将有机feed行为量化为语义ID注入广告排序，证明行为富集度决定跨域迁移质量。两篇的共同发现是：跨域迁移的关键不在对齐特征，而在构建可迁移的语义表征。 主线3：LLM/Agent增强推荐走向行业差异化——从通用检索到垂直场景的深度适配。 理想汽车的HPRO（132天A/B，销量+9.5%）将偏好优化引入销售线索评分，解决稀疏监督和漏斗层级问题。快手的Taiji（CTR +12.4%，收入+15.2%）提出帕累托最优策略优化，在语义与ID之间找到最优权衡点。Syft的DynaTree（生存率提升1.5倍）则用离线智能体建树+在线轻量子树选择解决时间敏感新闻检索的效率问题。这些工作表明，LLM在推荐中的应用正从“通用方案”走向“场景定制”。

AI 技术日报 - 2026-06-06

LLM 深度融入推荐全链路：今日论文显示，LLM 的应用已从简单的特征增强，深入到精排（HPRO）、召回（RGCD-Rep）、特征工程（DSIRM）等核心环节。方法上不再局限于文本生成，而是利用 LLM 的语义理解能力进行判别式排序、知识蒸馏和偏好建模，工业落地验证效果显著。; 跨域与冷启动问题的新解法：多篇论文聚焦于利用富域（如短视频）的丰富信号，通过可迁移表示学习（RGCD-Rep）或偏好对生成（HPRO）来缓解目标域（如直播、销售线索）的稀疏监督和冷启动问题。核心思路是借助 LLM/MLL

AI 技术日报 - 2026-06-05

LLM 增强推荐走向工业落地与精细化对齐：今日多篇论文聚焦 LLM 与推荐系统的深度融合，从概念验证迈向大规模工业部署。快手的 Taiji 框架直接部署于日活 4 亿+的广告平台，通过帕累托最优策略优化（POPO）解决了 LLM 语义空间与推荐 ID 空间的权衡问题。同时，腾讯的 R3 和中科院的 BAHSD 分别从 Agent 技能检索和黑盒蒸馏角度，探索了 LLM 在推荐系统不同环节的精细化应用，体现了业界对 LLM 落地可行性和收益的务实追求。; 序列推荐建模向多尺度、自适应与可解释性演进

AI 技术日报 - 2026-06-04

生成式推荐进入"全栈统一"与"表示优化"深水区：今日多篇论文（UniPinRec、PrefixMem、DRQ）聚焦于生成式推荐（Semantic ID）的工业化落地。趋势从"用LLM生成推荐"转向"如何高效、鲁棒地表示和利用Semantic ID"，包括统一检索与排序的全栈架构（UniPinRec）、为SID设计专用编码器（PrefixMem）、以及解耦量化提升鲁棒性（DRQ）。这表明生成式推荐正从概念验证走向大规模系统部署，核心瓶颈已从"能否用"变为"如何用好"。; 跨域/跨模态信号迁移成为工

AI 技术日报 - 2026-06-03

Agent 驱动的检索与推理：今日多篇论文探索了 Agent 范式在推荐系统中的应用。DynaTree 利用多 Agent 协作构建离线检索树，实现高效的在线新闻检索；DCRC 则训练一个数据为中心的 Agent 来编译可执行的推理程序，以解决金融 QA 中的数值幻觉问题。这表明 Agent 正在从单纯的对话式交互，向更复杂的、结构化的离线规划与在线执行解耦的方向演进。; 从“模型为中心”到“数据/系统为中心”的范式转移：多篇论文不再单纯优化模型架构，而是从数据或系统层面寻求突破。V-SPLAD

AI 技术日报 - 2026-06-02

今日 AI 领域迎来多个重磅发布：MiniMax 开源首个集编码、Agent、1M 上下文与原生多模态的 M3 模型，NVIDIA 正式进军 PC 芯片市场发布 N1X SoC，同时 Sam Altman 宣布 OpenAI Robotics 招聘。产业层面，McKinsey 预测推理计算 2027 年将超过训练，Peter Diamandis 称 Opus 4.8 已超越其设定的 AGI 阈值。Agent 生态持续繁荣，SkillOpt 开源、CC Workflow Studio 上线、Hermes Agent 支持 Windows，AI 正从"能力展示"全面走向"生产级部署"。

AI 技术日报 - 2026-06-01

今日 AI 领域在基础设施与安全实战层面均有重大进展：vLLM v0.22.0 发布，新增 DeepSeek V4 支持与 Cutlass FP8 端到端延迟降低 28.9%；NVIDIA 推出 DynoSim 推理栈模拟器，比真实时间快 1500 倍。安全方面，攻击者首次使用 LLM Agent 进行真实后渗透攻击，全程仅一小时。此外，Qualcomm 与字节跳动达成数据中心 AI 推理 ASIC 定制协议，股价创 52 周新高；Databricks 推出 Model Units 定价模式，将推理成本与 GPU 实例解耦。

AI 技术日报 - 2026-05-31

本周 AI 产业的核心叙事围绕一条主线展开：Agent 从“帮开发者写代码”正式演变为“在后台独立工作”，而支撑这一转变的推理效率、安全评估和资本军备竞赛同步加速。Anthropic 的 Opus 4.8 和 Dynamic Workflows 将并行子 Agent 数量推到数百个，OpenAI 的 Codex 扩展至 Windows 平台并支持移动端远程监控，xAI 也以极低定价推出专长 agentic coding 的 grok-build-0.1——这些都不是“更好的 Tab 补全”，而是让 Agent 以异步队友身份参与开发的新范式。Latent Space 对 Cognition 和 OpenInspect 创始人的访谈系统梳理了从 Copilot (第一波) 到本地 Agent (第二波) 再到异步 Agent (第三波) 的演进，其中 Cursor CEO 提到的“第三时代”在本周被多家实际操作验证。 与范式并行的是资本对 Agent 赛道的押注：Anthropic 完成 965 亿美元 H 轮（估值 9650 亿），营收年化 470 亿；Cognition 以 260 亿估值融得 10 亿美元 D 轮，预计年底 ARR 超 10 亿。模型层同样密集更新——Claude Opus 4.8 在多项编码和 Agent 基准上超越 GPT-5.5，诚实性提升约 4 倍；MiniMax-M2 以 9.8B 激活参数实现 229.9B 总参的 MoE 性能；Qwen-VLA 则将视觉-语言-动作统一进单一模型，在 7 个机器人基准上达到 SOTA。推理效率方面，vLLM 集成 fastokens 用 Rust BPE tokenizer 消除长上下文瓶颈，MobileMoE 在商品手机上实现 1.8–3.8× 加速，Orbit 基础设施（tweet）甚至能在单节点 8×B200 上训练万亿参数模型的 RL。安全侧同样有进展，OpenAI 发布第三方评估共享手册，Redpanda 提出 out-of-band 元数据通道架构用于 Agent 安全治理，Onyx Security 推出企业级 Agent 监控。 以下是四个主题的详细分析。

AI周报 2026-W22

本周推荐系统研究围绕三条技术主线展开。 工业级知识蒸馏进入迁移率量化时代： 字节跳动、Meta、微软、阿里分别展示了大规模蒸馏框架。字节的Rec-Distill（24B教师、20K序列）实现蒸馏迁移率>60%，阿里GPlan将LLM推理压缩为隐式token，Meta的LoopFM通过结构化中间表示让蒸馏迁移率翻倍，微软HARNESS-LM以190M参数恢复教师98%精度。四篇的共同指向是——蒸馏已经不只是模型压缩手段，而是把大模型能力“货币化”为可量化的业务指标。 生成式推荐从项目生成走向意图序列与条件生成： 阿里QGS在Quark搜索部署conditional next-item预测，Netflix揭示1B参数生成式推荐中不同任务的缩放天花板，清华SID碰撞分析发现Hit@10被高估103%。三篇共同说明——生成式推荐正在进入精细化评估和条件控制阶段。 推荐系统缩放从“堆参数”转向多维协同与测试时计算： Coupang系统研究CVR模型在骨干、嵌入、数据三个维度的可加缩放效应；阿里UTTSI首次将test-time compute引入CTR，无模型修改下CTR提升5.3%；Meta的rank-aware decomposition使DLRM吞吐量提升87.5%。缩放的核心矛盾已从“能不能大”变为“怎么用得巧”。

AI 技术日报 - 2026-05-30

LLM 从辅助信号走向核心排序引擎：今日多篇论文（MixRAGRec, LRanker, DoorDash）展示了 LLM 从离线生成标签、辅助特征，到直接参与召回和精排的演进。核心挑战在于如何在大规模候选集和低延迟约束下，高效利用 LLM 的语义理解能力，而非简单替换现有模型。; 推理优化成为工业落地关键：Meta 的秩感知分解和 Pinterest 的 LLM 辅助预测器，都指向一个共同目标——在不牺牲效果的前提下，大幅降低计算成本。这表明，当学术界在探索 LLM 的潜力时，工业界更关注如何

AI 技术日报 - 2026-05-29

LLM 深度融入推荐全链路：今日多篇论文（MuChator、L2Rec）展示了 LLM 不再仅是特征提取器，而是作为核心推理引擎，通过预训练注入领域知识、指令微调对齐用户意图、强化学习对齐偏好，直接参与召回与排序决策。工业界已验证其线上效果，LLM for Rec 正从实验走向大规模部署。; 两阶段排序的端到端训练突破：CA-PG 论文针对两阶段排序中早期排序器（ESR）难以端到端训练的痛点，提出信用分配策略梯度，有效降低训练方差并加速收敛。这为工业界优化全链路（召回+排序）提供了新的理论工具，

AI 技术日报 - 2026-05-28

今日 AI 领域迎来多个产业里程碑：Anthropic 年化收入被曝反超 OpenAI 至少 35%，AI 商业格局生变；推理基础设施诞生新独角兽，Fireworks 与 Baseten 估值双双破百亿，标志市场从“训练模型”转向“规模化推理”。同时，Figure 与 JCPenney 运营商签约大规模部署人形机器人，AWS 发布首个托管式 Agent 支付服务 AgentCore Payments，xAI 推出 Grok Build/Skills/Connectors 三件套正面竞争 Claude Code。学术方面，微软提出 ECHO 让终端 Agent 从环境反馈中免费学习世界模型，阿里

AI 技术日报 - 2026-05-27

生成式推荐与检索增强的工业落地：今日多篇论文（QGS、DeGRe、Memento）将生成式序列模型或RAG范式应用于搜索排序、重排和长历史建模。核心趋势是从“全量序列建模”转向“条件生成”或“检索增强”，通过显式引入查询条件（QGS）、离线探索在线蒸馏（DeGRe）或MMR多样性检索（Memento），在保持生成式模型优势的同时，解决查询切换噪声、序列探索效率及长历史注意力稀释等工业级痛点，且均有线上效果验证。; 多模态与终身兴趣建模的统一框架：SIREN 提出了统一多粒度语义交互框架，通过软/

AI 技术日报 - 2026-05-26

今日日报跨越博客、GitHub 项目、播客与 KOL 推文，核心亮点在于AI 对就业与组织架构的深层冲击：一方面，历史数据挑战“AI 消灭岗位”的简单叙事，提出自动化可能因价格弹性增加岗位的反直觉观点；另一方面，实战案例显示 AI-First 组织已实现 99% 代码由 AI 完成，引发对信任、角色与效率的重新思考。此外，DeepMind Agent 自主解决数学难题、微软因成本禁止内部使用 Claude Code 等事件，共同勾勒出 AI 从工具到生产力的加速渗透与阵痛。 精选文章 2 篇、GitHub 项目 2 个、播客 1 集、KOL 推文 23 条

AI 技术日报 - 2026-05-25

今日日报跨越博客、GitHub 项目、KOL 推文三大数据源，核心趋势是“模型实验室集体转向 Agent 产品”，同时 Agent 的记忆、训练和安全工具链迎来密集发布。腾讯开源了 4 层记忆管道，Pydantic 和 CrewAI 等成熟框架持续领跑，vLLM 社区则因虚假 PR 事件引发对 AI 编码 Agent 维护成本的讨论。 *数据统计： 精选文章 3 篇、GitHub 项目 4 个、KOL 推文 12 条（合并后）。

AI 技术日报 - 2026-05-24

2026-W21 的核心叙事线只有一条：Agent 从「模型能力」正式转向「系统基础设施」。 Google I/O 2026 是这波浪潮的爆发点——Gemini 3.5 Flash 将「前沿智能+行动能力」打包成一个 4 倍速度、一半成本的 API，Managed Agents 让开发者用 YAML 定义 Agent 并托管在云端沙箱，Antigravity 则将 Agent 推入桌面和后台。但更值得注意的不是 Google 一家：Qwen3.7-Max 在同一周发布了 35 小时自主执行能力，Daytona 的沙箱基础设施已跑到日均 85 万次，IBM 和 Hugging Face 联合推出的 Open Agent Leaderboard 首次评测完整 Agent 系统而非模型。 这三个信号指向同一个判断——Agent 正在经历「从 demo 到部署」的 infrastructure 陡坡。 框架层（Langflow、Multica、12-Factor Agents）在解决编排与可观测性，沙箱层（Daytona、阿里云 AgentRun、AWS 博客方案）在解决安全与状态管理，评测层（Open Agent Leaderboard、Cameron Wolfe 指南）在解决「怎么知道我做的 Agent 好不好」。与此同时，NVIDIA、Together AI、Amazon 等实验室发布了大量训练推理优化论文，IXT、Dynatrain、CODA、DualKV 等系统级创新在推动效率边界。 第二条线索是自主科学发现从「学术畅想」走向「可验证结果」。OpenAI 模型首次自主解决 Erdős 1946 年提出的离散几何猜想，Sam Altman 在推文中称「这是一个大里程碑」。Meta FAIR 的 AIRA 系统让 Agent 自主设计出超越 Llama 3.2 的神经网络架构。这些事件虽然数量不多，但质量极高——不再是「AI 辅助科学家」，而是「AI 作为发现者」。 本周还有一项底层警示：RoPE 机制在长上下文中的局限性被严格证明（UIUC & Amazon AGI），表明现有位置编码范式可能需要根本性革新。

AI周报 2026-W21

本周推荐系统研究围绕三条技术主线展开：生成式推荐从“验证可行性”走向“工业级部署与优化”，去偏与校准技术从单一方法走向融合框架，搜索召回系统在冷启动和异构加速上取得具体突破。 生成式推荐进入工业化深水区： 快手、腾讯、美团的四篇部署论文覆盖了推理增强（RPORec）、长兴趣建模（GenLI）、世界知识融合（LWGR）等核心痛点。共同的指向是——生成式推荐的核心问题已从“能不能用”转变为“如何稳定、可控地替换或增强传统pipeline”。 去偏与校准从“纠正均值”走向“治理分布”： 字节跳动的PEARL、快手的DADF、Pinterest的PRL-PUTS分别从对比百分位、残差校正、效用权重调优三个角度，给出了生产级解决方案。其中PEARL的Watch Duration +2.10%和DADF的时间花费+0.347%表明，分布级别偏差校正仍有显著收益空间。 搜索召回系统聚焦冷启动与系统效率： 淘宝的GrowthGR（新商品GMV+5.3%）和Airbnb的合成数据框架（查询长度KL散度降至0.66）展示了LLM+反事实推断在冷启动中的工程潜力。华为与京东合作的Ascend-RaBitQ将billion-scale向量搜索的NPU加速提升至4.6倍，为大规模召回提供了硬件-算法协同的新基准。

AI 技术日报 - 2026-05-23

LLM 从“辅助”走向“核心”：今日多篇工业界论文（Meta、Airbnb、快手）不再将LLM作为特征提取的辅助工具，而是将其作为推荐系统的核心推理引擎，用于生成语义表示、合成训练数据、甚至直接进行推理与检索，标志着LLM在推荐系统中的应用进入新阶段。; 强化学习成为LLM推荐对齐的关键技术：无论是快手的RPORec还是山东大学的ThinkGR，都采用了强化学习（PPO）来微调LLM，使其推理过程与推荐目标（如精确检索、多跳推理）对齐。这表明RLHF的思路正在从对话系统向推荐系统迁移，是提升LL

AI 技术日报 - 2026-05-22

去偏与鲁棒性成为精排核心战场：今日多篇论文聚焦于解决推荐系统中的偏差问题，包括隐式反馈的标签噪声（RGBT）、未观测混杂因素（PUID）以及子空间漂移（Moving Subspace）。这表明工业界和学术界正从简单的纠偏方法，转向更精细、更鲁棒的个性化去偏框架，以提升模型在真实噪声环境下的泛化能力。; 效率优化与理论分析并重：工业界论文（Amazon LTC）通过层间自适应Token压缩，在保持排序质量的同时大幅提升推理QPS，体现了工业场景对效率的极致追求。同时，学术界论文（ReMax Ban

AI 技术日报 - 2026-05-21

LLM与推荐系统的深度融合进入精细化阶段：今日多篇论文（LWGR、ABPO、RecoAtlas）不再满足于简单地将LLM作为特征提取器或排序模型，而是深入探索如何利用LLM的世界知识、处理其特有的反馈偏差（如曝光偏差、反馈模糊性），并设计专门的评估框架。这表明LLM推荐正从“能不能用”走向“如何用好”的精细化工程阶段。; 不确定性建模与鲁棒性成为核心关注点：BFT从贝叶斯视角统一Transformer的不确定性，MDCNS通过多源负采样打破自强化循环，BoR指标揭示高召回率下的随机性陷阱。这些工

AI 技术日报 - 2026-05-20

生成式推荐与语义索引的深化应用：今日有多篇论文围绕生成式推荐（Generative Recommenders）展开，从淘宝的GrowthGR到中南大学的Ghost，均采用或分析了基于语义ID的生成式检索架构。趋势表明，业界正从传统的向量检索向更统一的、端到端的生成式范式迁移，但随之而来的流行度偏差、冷启动等问题也成为新的研究焦点。; 多目标与长期价值的精细化建模：工业界论文普遍关注如何超越短期指标（如点击率），建模长期用户价值与平台生态健康。淘宝的GrowthGR通过反事实推断量化商品长期交易价

AI 技术日报 - 2026-05-19

生成式与Agent范式崛起：今日多篇论文（GenLI、Agent4POI）挑战了传统的检索式或静态嵌入范式。GenLI通过生成式模型直接产生用户兴趣分布，将检索复杂度降至O(1)；Agent4POI则利用LLM Agent在推理时动态生成POI表示，显著提升冷启动和上下文敏感场景效果。这预示着推荐系统正从“匹配”向“生成”演进。; 系统稳定性与异构加速成为工业界焦点：Apple的Fortress论文直面模型随时间不稳定的痛点，提出特征剪枝方案；华为与京东合作的Ascend-RaBitQ则聚焦于N

AI 技术日报 - 2026-05-18

本周推荐系统研究围绕三条技术主线展开：生成式推荐架构从tokenizer优化走向推理效率提升，LLM增强推荐从孤立的辅助模块演化为具备记忆与推理能力的智能体，系统工程层的量化与线程编排成为工业部署的实际瓶颈突破点。 主线 1“生成式推荐的解耦与加速”： 阿里在TmallAPP上线 CQ-SID / EG-GRPO，以类别感知语义ID和专家引导强化学习实现GMV +1.15%，生成召回贡献72.63%购买。Tencent与清华的 AsymRec 提出非对称连续-离散框架，用多专家投影替代对称量化，平均提升15.8%。美团的 DIG 将tokenizer嵌入判别式排序模型端到端训练，同时提升检索与排序。Snap的 SID-MLP 用MLP蒸馏替代Transformer解码器，加速8.74倍且精度持平。这些工作的共同指向是——生成式推荐正在从“能跑”向“跑得稳、跑得快”过渡，核心手段是解耦输入输出表示与替换密度过高的结构。 主线 2“LLM推荐向推理与记忆演进”： Microsoft Research的 PGR 引入前瞻引导检索，用Tree-of-Thought扩展查询步骤，在MemoryQuest上召回提升近3倍。美团的 RecRM-Bench 提供了100万条结构化条目覆盖指令遵循、事实一致性等四维奖励，为智能体推荐系统提供基础。SDAR（美团）用门控辅助目标稳定OPSD蒸馏，在ALFWorld、Search-QA等基准上相对GRPO提升7-10%。差异在于——PGR侧重检索前的前瞻推理，SDAR侧重训练中的稳定性，但共同挑战是LLM在推荐场景中的记忆与推理能力仍远未成熟。 主线 3“系统协同设计成为工业落地关键”： Meta的 LoKA 通过Probe-Mods-Dispatch三件套在FP8下实现训练吞吐+20%、推理加速+40%且无质量损失。Xiaohongshu的 CCD-Level Thread Orchestration 利用CCD架构的缓存特性，在ANNS服务上取得3.7x吞吐提升和30-90% P999延迟降低。Baidu的 Efficient Generative Targeting 结合量化、稀疏化和并行验证，实现1.8倍推理加速并部署于广告系统。这些工作表明——模型架构改进的边际效应递减时，硬件感知的系统优化正成为实际收益的主要来源。

AI周报 2026-W20

今日日报跨越博客、GitHub 项目、KOL 推文三大数据源，核心趋势是 AI 推理基础设施的爆发与 Agent 生态的加速成熟。Cerebras 以 600 亿美元 IPO 成为推理算力需求爆发的标志性事件，同时多个开源项目（CLI-Anything、CodeGraph、Dograh）正从不同维度降低 Agent 的开发与部署门槛。此外，关于 AI 投入 ROI 的质疑与递归自我改进的监管警告，也构成了今日的讨论焦点。 数据统计：精选文章 5 篇、GitHub 项目 5 个、KOL 推文 26 条

AI 技术日报 - 2026-05-17

今日日报跨越博客文章、GitHub 项目、论文和 KOL 推文，核心趋势是 AI Agent 从“能用”走向“可靠与规模化”。微软深入探讨了长时域委托任务的可靠性挑战，GitHub 分享了可访问性 Agent 的工程实践，而社区则在 Agent 自动化开发、推理基础设施和模型架构创新上取得显著进展。数据统计：精选文章 5 篇、GitHub 项目 4 个、播客 2 集、KOL 推文 16 条。

AI 技术日报 - 2026-05-16

生成式检索进入工业深水区：今日多篇论文（阿里、腾讯、美团）聚焦生成式推荐（GenRec）的工业落地。核心挑战从“如何生成语义ID”转向“如何解决信息瓶颈、对齐下游排序目标、实现端到端训练”。CQ-SID、AsymRec、DIG等方案分别从非对称表示、Tokenizer端到端训练、强化学习对齐等角度切入，标志着GenRec正从概念验证走向大规模生产部署。; 强化学习与知识蒸馏成为LLM后训练标配：多篇论文（美团、蚂蚁）探索如何利用RL（GRPO、双层优化）和自蒸馏（SDAR、Length-Regu

AI 技术日报 - 2026-05-15

生成式推荐的工程化加速：今日多篇论文聚焦于生成式推荐（Generative Recommendation）的落地瓶颈——推理延迟。Snap与UCSD提出的SID-MLP通过MLP蒸馏替代Transformer解码器，实现8.74x加速且精度持平；另一篇工作F-GRPO则从强化学习角度统一生成与排序，解决端到端优化中的信用分配问题。这表明业界正从“模型能力”转向“系统效率”，探索如何让生成式推荐在工业级延迟约束下真正跑起来。; 探索策略的精细化与实用化：Google DeepMind提出的Deli

AI 技术日报 - 2026-05-14

[LLM Agent 与推荐系统深度融合]：今日多篇论文聚焦于将LLM Agent的能力引入推荐系统，从简单的序列匹配转向交互式、推理驱动的推荐。TwiSTAR通过自适应推理分配（快慢思考）和工具调用（检索、排序、推理）来提升生成式推荐的精度与效率；RecRM-Bench则系统性地定义了Agent推荐系统的多维奖励建模（指令遵循、事实一致性、相关性、行为预测），为RL优化提供了标准化基准。这表明，将LLM的规划、推理和工具使用能力融入推荐全链路是当前的重要趋势。; [推荐系统中的偏差识别与去偏方

AI 技术日报 - 2026-05-13

[LLM与推荐系统的深度融合]：今日多篇论文聚焦于将LLM能力注入推荐系统，从生成式推荐（LASAR）、多模态理解（ByteDance框架）到个性化知识发现（PDR）和组推荐（AgentGR），LLM正从辅助工具演变为推荐核心引擎。趋势在于利用LLM的推理和语义理解能力，解决传统模型在细粒度偏好建模、复杂决策模拟和内容理解上的瓶颈。; [系统-模型协同优化成为主流]：Meta的LoKA和Xiaohongshu的CCD-Level框架表明，单纯优化模型或系统已无法满足大规模部署需求。LoKA通过F

AI 技术日报 - 2026-05-12

LLM 驱动推荐系统进入精细化阶段：今日多篇论文聚焦如何更高效、更精准地将LLM融入推荐流程。从利用LLM生成可解释的用户画像（BLUE），到用强化学习（GRPO）优化检索策略（RRCM），再到双通道解耦语义与行为（DCGL），趋势已从“能否用LLM”转向“如何用好LLM”，尤其关注稀疏场景和跨域泛化。; 对现有基准评估体系的反思与重构：多篇论文揭示了当前推荐基准的局限性。Meta的论文通过简单图启发式方法，指出许多基准存在“捷径可解性”，模型的高分可能并非源于其声称的复杂能力。同时，TRACE

AI 技术日报 - 2026-05-11

今日日报跨越博客、GitHub 项目、X 推文三大数据源。核心亮点是 AI Agent 生态的全面爆发：从政策框架到开源框架，从官方 SDK 到自进化机制，Agent 正在从概念走向工程化落地。同时，芯片层（Cerebras IPO、InP 衬底短缺）和模型层（ERNIE 5.1、MiniCPM-o 4.5）也有重要进展。精选文章 1 篇、GitHub 项目 5 个、KOL 推文 22 条。

AI 技术日报 - 2026-05-10

本周 22 篇论文里能看出两条主线：生成式推荐继续在 Semantic ID 这一层做深耕，检索 / agentic search 这条线则在重写检索接口本身。另有三篇围绕 RAG 工程化（合成表格扩散、自动化 RAG 管线、生产级数据层），列入论文速览的"其他"部分。

生成式推荐侧四篇论文把更多结构化信号——商业价值、地理坐标、协同信号、长尾边界——直接压进 Semantic ID 这一层。腾讯（微信视频号广告）的 UniVA 做到 SID/decoding/serving 三段同时注入 eCPM 信号，离线 Hit Rate@100 +37.04%、线上 A/B GMV +1.5%；UCSD × Snap 的 Latte 从理论上证明自回归 SID 解码树会把语义近的 item 强行拉到一起，再给出在 token 前缀挂 latent 的低成本修补，NDCG@10 +3.45%。

检索侧的故事更激进。一周之内出现三种"重写检索接口"的反命题：Meta Superintelligence Labs 的 SIRA 把多轮 agent 探索压成一次 LLM-corpus 双向扩展的 BM25；Texas A&M / Stanford / UWashington 等 19 作者的 DCI 直接删掉 retriever，让 Claude Sonnet 4.6 用 grep + bash 在原始语料上调查（BrowseComp-Plus accuracy 从 69.0% 升到 80.0%、API 成本降 29.4%）；UC Berkeley 的 T3 把 RAG 的"corpus"从文档换成 LLM 思维轨迹，AIME 上给 Gemini-2.5-Flash 注水 +56.3%。MIT 同期放出 OBLIQ-Bench，把"为什么必须改接口"这件事量化——传统 BM25 / dense / late interaction 在隐含意图查询上几乎全部接近 0 NDCG@10。

工业精排和召回侧维持"先拆瓶颈、再谈结构"的节奏。Meta Ads 的 IEFF 把特征下线从 3-6 个月重训压到不需重训，效率类 rollout 提速 5×；阿里淘天的 RecGPT-Mobile 把 next-query LLM 搬到手机端；中科大 × 美团的 DynamicPO 揭示多负样本 DPO 的"偏好优化坍塌"现象并给出梯度抑制的理论解释。整体趋势是：算法侧追求"动态自适应目标"，工程侧追求"可回滚的弹性接口"。

AI周报 2026-W19

今日日报跨越博客、GitHub、论文、KOL推文和播客五大数据源，核心亮点是AI推理效率与Agent安全性的双重突破。BAIR博客系统梳理了自适应并行推理新范式，Anthropic与OpenAI分别从对齐研究和安全运行角度推进Agent落地，而LobeHub等开源项目则让Agent协作触手可及。行业层面，Anthropic估值超越OpenAI、大科技公司AI资本支出超7150亿美元等数据，揭示了AI行业“强者愈强”的马太效应。 精选文章 5 篇 | GitHub 项目 5 个 | 播客 1 集 | KOL 推文 23 条

AI 技术日报 - 2026-05-09

生成式推荐进入工业深水区：今日多篇论文（腾讯UniVA、Snap Latte）聚焦生成式推荐在工业场景的落地挑战。核心矛盾从“如何生成”转向“如何对齐商业价值”和“如何突破表达能力瓶颈”。UniVA提出全链路价值对齐框架，Latte则从理论层面揭示自回归语义ID的结构性限制，标志着该领域从概念验证走向工程优化。; 智能体（Agent）重塑搜索与推荐范式：Meta的SIRA和Waterloo的DCI分别从“单次检索替代多轮探索”和“用grep替代向量检索”两个角度，重新定义了检索接口。ByteDa

AI 技术日报 - 2026-05-08

LLM推荐走向端侧与列表级优化：今日两篇论文分别从端侧部署（RecGPT-Mobile）和列表级对齐（BLADE）两个方向推进LLM在推荐系统中的应用。前者解决端侧推理成本与实时性，后者突破静态对齐的性能上限，共同指向LLM推荐从“能用”到“高效、精准”的落地路径。; 生成式推荐进入“软路由”时代：CapsID用胶囊路由替代传统硬量化，解决了语义ID生成中的边界坍塌和误差传播问题，在35M级工业数据集上召回提升9.6%。这标志着生成式推荐的核心瓶颈从模型架构转向了tokenizer设计，软路由+

AI 技术日报 - 2026-05-07

生成式检索与RAG的工业化落地：今日多篇论文聚焦于将生成式范式（如LLM）应用于检索系统，从GenPOI的生成式POI检索到AutoRAGTuner的RAG管线自动化，再到利用思考轨迹（Thinking Traces）作为RAG语料库，表明业界正积极探索用生成式模型替代或增强传统检索流程，以解决复杂查询和上下文建模问题。; 从“检索”到“系统”的全链路优化：工业界论文（如Walmart的Unified Data Layer、Ant Group的AutoRAGTuner）不再局限于单一算法模块，而

AI 技术日报 - 2026-05-06

频域分析与序列建模融合：今日多篇论文探索了在频域（FEDIN）或连续时间域（BST-CDSR）建模用户行为，以捕捉传统时序方法难以处理的周期性模式和兴趣衰减，为序列推荐提供了新的信号增强思路。; LLM 从“生成”走向“评估与攻击”：LLM 的应用场景从内容生成扩展到模型评估与安全测试。CRAFT 利用 LLM 生成对抗样本来攻击排序模型，而 BST-CDSR 则利用 LLM 提取时间语义，展示了 LLM 在推荐系统攻防与特征工程中的潜力。; ⚖️ 公平性与评估稳定性成为焦点：工业界和学术界均开

AI 技术日报 - 2026-05-05

工业级系统优化与效率提升：今日多篇工业界论文（Meta、IKEA）聚焦于在不牺牲模型效果的前提下，通过系统级创新（如IEFF的弹性特征衰减）或训练数据优化（如IKEA的结构化负采样）来提升大规模推荐系统的迭代效率和资源利用率。这反映了工业界从追求模型复杂度转向关注工程效率与落地可行性的趋势。; LLM与推荐系统的深度融合与挑战：多篇论文（DynamicPO、IKEA、RIR综述）探讨了LLM在推荐系统中的应用，但同时也揭示了新的挑战，如偏好优化崩溃、零点击行为对线上效果的制约，以及LLM作为信息