type
Post
status
Published
date
Sep 22, 2026 05:15
slug
daily-report-2026-09-22
summary
MoE 架构进入"解耦控制"时代：今日两篇 5 分论文（IntBMoE、OneBid）均以 MoE 为核心，但思路已从"稀疏路由省算力"转向独立控制参与度/执行量/物化量（IntBMoE 用码本+hypernetwork 组合专家基）与跨场景容量扩展（OneBid 序列级 MoE 共享+稀疏专家）。共同点是：MoE 不再是单纯的效率工具，而是承载"全参与知识融合 + 低延迟执行"的结构性方案，且都已在数亿用户规模线上验证。; 异构编排与 Agent 化研发成为工业落地新范式：Meta 两篇论文（
tags
推荐系统
日报
category
推荐技术报告
icon
📚
password
priority
1
Section 1: 📊 Trend Analysis
- 🔥 MoE 架构进入"解耦控制"时代：今日两篇 5 分论文（IntBMoE、OneBid）均以 MoE 为核心，但思路已从"稀疏路由省算力"转向独立控制参与度/执行量/物化量（IntBMoE 用码本+hypernetwork 组合专家基）与跨场景容量扩展（OneBid 序列级 MoE 共享+稀疏专家）。共同点是：MoE 不再是单纯的效率工具，而是承载"全参与知识融合 + 低延迟执行"的结构性方案，且都已在数亿用户规模线上验证。
- 💡 异构编排与 Agent 化研发成为工业落地新范式：Meta 两篇论文（Hybrid GPU-CPU Retrieval、EvoPilot）分别从服务架构（GPU 深度/CPU 广度双通路协同）和研发流程（LLM agent 自动提实验 + 确定性验证防误判）两个层面，展示了"不换模型换编排"的工程红利。这提示推荐工程师：在模型红利边际递减时，系统级编排与实验基础设施的 ROI 可能更高。
- 🎯 自动出价/广告优化集中爆发：OneBid、ADAPT 两篇聚焦 auto-bidding，分别用统一基础模型 + 离线策略优化和解耦广告主画像 + 免训练适配解决 oCPX 多场景与冷启动问题，说明广告侧正从"每场景一模型"走向"统一骨干 + 场景化后训练"。
Section 2: 📋 今日速览
- Alibaba / AMap 在高德生成式推荐中提出 IntBMoE，用小型学习码本 + 轻量 hypernetwork 组合专家基，解耦 MoE 的参与度、执行量与物化量，并以 DPRG 耦合双路径。服务数亿用户、60ms 延迟预算下线上 A/B UVCTR 相对 +2.4%。↗
- Kuaishou 提出统一 oCPX 自动出价基础模型 OneBid，将 DT 单 Return-to-Go 扩展为 Return-to-Go + Cost-to-Go 双信号，配序列级 MoE 与 CROP 离线策略优化。线上 oCPX Ads 整体 ADVV +2.2%，ROAS 场景峰值 +13.1%，已全量部署。↗
- Meta 针对万亿文档个性化搜索的"个性化-规模悖论"，提出 GPU-CPU 异构协同检索：GPU 通路做十亿级池的检索+交互预排序，CPU 通路覆盖约 20 倍库存做轻量打分。全系统 A/B 对比纯 CPU 旧配置，相关性指标与实质互动均提升。↗
- Meta 为 Video Deep Dive 召回系统提出 EvoPilot 人机协同在线 autoresearch 框架，用版本化 skill、typed adapter 与确定性检查防止 LLM agent 实验误判。37 天 campaign 修复评估缺陷后离线命中率 +3.20pp，7 天线上 A/B GSRR 相对 +0.66%。↗
- UESTC / Alibaba / Hainan University 提出 ADAPT 自动出价框架，两阶段训练：对比学习提取纯净静态/动态画像，再将动态画像解耦为公共+私有部分联合条件化策略。支持新广告主免训练构建画像，大规模 benchmark 上稳定超越基线。↗
- Rivian/VW、Stony Brook、Westlake 将安全门控的"可认证可用性"形式化为可规划资源，用精确二项反演 + 动态规划选择报告分区，揭示安全/粒度/流量三者权衡。在 LLM 工具调用、内容审核、病灶分类、推荐四类系统复现同一前沿。↗
- HKUST 针对时尚互补推荐提出 APCL 框架，用相关性引导的自适应聚合显式建模间接用户-物品/物品-物品关系，并以功能视图对比学习对齐直接与间接表示。融合多模态视觉文本信息，在稀疏交互与冷启动场景下稳定超越基线。↗
- Independent 研究多跳检索失败的可预测性，证明失败聚集于结构可预测子群，提出无需额外 LLM 调用的 RCS 置信度打分与校准弃答策略。MuSiQue 上 50% 覆盖率下 CWAR 从 39.5% 降至 20.6%，跨数据集迁移仅 -0.5pp AUC 损失。↗
- Teads 提出 LLM 特征工程迭代框架，generator LLM 提语义定义、extractor LLM 物化特征、下游表格模型评估，并用 AUC 排序反转等模型错误转自然语言反馈引导搜索。特征发现提速最高 3×，生成特征在 SHAP 重要性中占主导且提供语义审计轨迹。↗
Section 3: 📰 Daily Digest
1. IntBMoE: Integrating Block-Level Conditioning into Expert Composition for Full-Participation Mixture-of-Experts
🔗 原文： https://arxiv.org/abs/2609.21346
🏷️ 来源： 🏭 工业界 | Alibaba, AMap
⭐ 评分： ⭐⭐⭐⭐⭐ (5/5)
🎯 推荐理由： 解耦MoE参与度/执行/物化三量，已上线高德生成式推荐，A/B UVCTR+2.4%。
📝 摘要： 论文指出 MoE 存在一个根本矛盾：稀疏路由省算力但牺牲参与度，稠密输出混合恢复全参与但执行量随专家数增长，参数合并则物化量随路由决策增长——三者无法独立控制。IntBMoE 提出 block-conditioned MoE，用小型学习码本固定 block 数量（物化有界），每层用轻量 hypernetwork 将专家池全部基合并为一个组合专家（参与度满），路由器仅将 token 送往少数 block（执行稀疏），并以 Dual-Path Residual Gating 通过乘法门控耦合两条独立组合路径。图像分类上稳定超越稀疏/稠密 MoE 基线，语言建模与序列推荐验证泛化性。该模型已全量部署于高德生成式推荐系统，在数亿用户、60ms 延迟预算下线上 A/B UVCTR 相对 +2.4%。局限在于核心实验以视觉任务为主，推荐侧收益通过线上指标间接体现。
2. OneBid: A Unified Auto-Bidding Foundation Model for Diverse oCPX Advertising Scenarios
🔗 原文： https://arxiv.org/abs/2609.21550
🏷️ 来源： 🏭 工业界 | Kuaishou
⭐ 评分： ⭐⭐⭐⭐⭐ (5/5)
🎯 推荐理由： 快手统一 oCPX 自动出价基础模型，双信号 DT + 序列 MoE + CROP，线上 ADVV +2.2%。
📝 摘要： 现有自动出价方法（规则控制、RL、Decision Transformer）与主流 oCPX 范式日益脱节：注册、购买等异构场景各配一个模型，管线碎片化且跨场景建模不足。OneBid 借鉴 LLM 基础模型思路，从异构 oCPX 日志学习可复用骨干，再经离线后训练适配各场景。方法上把 DT 的单一 Return-to-Go 条件扩展为 Return-to-Go（转化价值）+ Cost-to-Go（成本比）双原子信号，并加 value-aware 正则；用序列级 MoE（共享专家编码跨场景知识、稀疏路由专家捕获场景模式）在低延迟下实现容量随规模/数据一致扩展；后训练阶段提出 CROP，用 critic 对候选动作做组相对打分，规避 GRPO 式在线探索风险并约束策略漂移。已在快手全量部署，线上 A/B oCPX Ads 整体 ADVV +2.2%，ROAS 场景峰值 +13.1%。
3. Hybrid GPU-CPU Retrieval for Personalized Search at Ultra-Large Scale
🔗 原文： https://arxiv.org/abs/2609.21281
🏷️ 来源： 🏭 工业界 | Meta
⭐ 评分： ⭐⭐⭐⭐ (4/5)
🎯 推荐理由： Meta 工业级 GPU-CPU 异构协同检索系统，线上 A/B 验证，解决万亿文档规模个性化-覆盖矛盾。
📝 摘要： 万亿文档规模的 UGC 检索面临"个性化-规模悖论"：全量库存放 GPU 显存过于昂贵，而 CPU 又无法在延迟关键路径上跑交互密集型模型。论文不提出新模型类，而是用编排解决——GPU 高深度通路在约十亿文档的精选在线池上融合检索与交互预排序，CPU 高广度通路在约 20 倍规模的独立库存上做轻量个性化打分，每请求可单跑或双跑，候选去重后共享下游排序。系统已上线，全系统 A/B 对比纯 CPU 旧配置在模型相关性打分与实质互动上均有提升，检索日志显示两通路贡献结构上不同的候选，容量规划量化了"深度给 GPU、广度给 CPU"的经济性。局限在于核心是系统编排创新而非新算法，A/B 具体数值未量化披露。
4. Verify, Don't Trust: Agentic Model Development for Video Discovery Retrieval at Scale
🔗 原文： https://arxiv.org/abs/2609.21257
🏷️ 来源： 🏭 工业界 | Meta
⭐ 评分： ⭐⭐⭐⭐ (4/5)
🎯 推荐理由： Meta 提出人机协同在线 autoresearch 框架，用确定性验证防止 LLM agent 实验误判，线上 GSRR +0.66%。
📝 摘要： LLM agent 已能自动提出、实现并评估模型改动，但在线 autoresearch 跨越异步系统、小时级变体与数周 campaign，即便跑完也可能因空改动、数据窗口泄漏、评估语义漂移或两臂走不同 serving funnel 而得出无效结论。EvoPilot 提出人机门控的长周期在线 autoresearch 方法：角色化 agent 通过版本化 domain skill 与 typed adapter 执行每轮，持久化记录保留实验与失败，确定性检查强制执行历史教训。在 Video Deep Dive 召回系统的 37 天 campaign 中，早期 primitive autoresearch 曾把 22pp 离线命中率下降错误归因于 interaction head，EvoPilot 追查到是既有评估缺陷（输出深度 3000 vs 600），修复后匹配对比离线提升 3.20pp；7 天随机线上评估 VDD 切片 GSRR 相对 +0.66%。局限是贡献偏工程方法论，human-gated 降低了自动化程度。
5. Auto-Bidding with Disentangled Advertiser Profiles and Train-Free Adaptation
🔗 原文： https://arxiv.org/abs/2609.21308
🏷️ 来源： 🏭 工业界 | UESTC, Alibaba, Hainan University
⭐ 评分： ⭐⭐⭐⭐ (4/5)
🎯 推荐理由： 解耦广告主画像+免训练自适应，为自动出价提供个性化策略，工业落地潜力强。
📝 摘要： 画像方法在推荐领域已证明有效，但迁移到自动出价受限，因为提取纯净画像难、公共与私有信息难以同时建模、画像更新与冷启动适配困难。ADAPT 提出两阶段训练范式并支持免训练适配：Stage 1 在广告主 memory bank 上用对比学习提取纯净的静态与动态画像；Stage 2 将动态画像解耦为公共画像与私有画像，与静态画像联合条件化出价策略；训练完成后，新广告主可直接构建画像、存量广告主可更新画像而无需重训。方法基于 Decision Transformer 与双向注意力 Transformer 骨干，在大规模自动出价 benchmark 上稳定超越基线，消融验证各模块有效性。局限在于仅在离线 benchmark 验证，未报告线上 A/B，且 auto-bidding 相对推荐核心排序问题属偏边缘子问题。