type
Post
status
Published
date
Jul 18, 2026 05:32
slug
rec-weekly-2026-W29
summary
本周推荐系统研究集中在四条技术主线：生成式推荐进入工业深水区、排序模型向长序列和细粒度语义演进、召回系统在异构索引和因果优化上取得突破、LLM增强推荐从实验走向工程落地。34 篇论文中有 23 篇来自工业界（含 18 篇已部署），13 篇报告了线上 A/B 结果。 主线 1 "生成式推荐从 DocID 设计到微调对齐"： 阿里巴巴的 CRID 将业务价值排序直接编入 DocID，在 300M 商品库上全流量 GMV +1.06%。GFlowGR 用 GFlowNet 微调生成式推荐，在淘宝搜索广告实现年收入 +0.4%。美团 NONTP 通过时序对比学习和跨域学习扩展 NTP 训练信号，线上 CTR +1.8%、GMV +2.1%。三篇的共同指向是——生成式推荐正从 "能生成" 转向 "会优化"。 主线 2 "排序模型追求深度解耦与长时建模"： Meta 的 SlimPer 将个性化排序建模为 <user, item> 知识库迭代精炼，支持 10k+ 历史事件且 O(N) 复杂度，部署于 Instagram。Yandex 的 Long-History User Transformers 通过离线编码 + 缓存 + 轻量在线模型解耦长历史推理，搜索广告 +2.77%。阿里 SAM 用饱腹感门控显式建模兴趣生命周期，将购买后重复率降低 60%。 主线 3 "召回系统的工程与因果范式"： Pinterest 的因果检索框架减少 85% 购物触发器而不损关键会话。MESH 通过模块化架构和门控偏置校正，使新鲜物品缩放指数提升 14 倍，用户留存 +0.46%。Microsoft 的 FlashTrie 将生成式检索的约束解码全量迁移至 GPU，800M 关键词库 <3ms，线上收入 +0.71%。 主线 4 "LLM 推荐的轻量化和 Agent 化"： Vrbo 用训练免费的 LLM 合成查询解决长尾覆盖问题，缩小 3B 模型与 API 模型的召回差距至 <1%。QuintoAndar 的 LLM 重排序融合对话上下文在房产搜索中 CTR +5.3%。Kuaishou 的 RashomonLLM 将解释生成与预测耦合，在直播 CTR 上 AUC +2.3% 且解释质量提升 8.7%。
tags
推荐系统
周报
论文
category
推荐技术报告
icon
📚
password
priority
1
本周概览
本周推荐系统研究集中在四条技术主线：生成式推荐进入工业深水区、排序模型向长序列和细粒度语义演进、召回系统在异构索引和因果优化上取得突破、LLM增强推荐从实验走向工程落地。34 篇论文中有 23 篇来自工业界（含 18 篇已部署），13 篇报告了线上 A/B 结果。
主线 1 "生成式推荐从 DocID 设计到微调对齐"： 阿里巴巴的 CRID 将业务价值排序直接编入 DocID，在 300M 商品库上全流量 GMV +1.06%。GFlowGR 用 GFlowNet 微调生成式推荐，在淘宝搜索广告实现年收入 +0.4%。美团 NONTP 通过时序对比学习和跨域学习扩展 NTP 训练信号，线上 CTR +1.8%、GMV +2.1%。三篇的共同指向是——生成式推荐正从 "能生成" 转向 "会优化"。
主线 2 "排序模型追求深度解耦与长时建模"： Meta 的 SlimPer 将个性化排序建模为 <user, item> 知识库迭代精炼，支持 10k+ 历史事件且 O(N) 复杂度，部署于 Instagram。Yandex 的 Long-History User Transformers 通过离线编码 + 缓存 + 轻量在线模型解耦长历史推理，搜索广告 +2.77%。阿里 SAM 用饱腹感门控显式建模兴趣生命周期，将购买后重复率降低 60%。
主线 3 "召回系统的工程与因果范式"： Pinterest 的因果检索框架减少 85% 购物触发器而不损关键会话。MESH 通过模块化架构和门控偏置校正，使新鲜物品缩放指数提升 14 倍，用户留存 +0.46%。Microsoft 的 FlashTrie 将生成式检索的约束解码全量迁移至 GPU，800M 关键词库 <3ms，线上收入 +0.71%。
主线 4 "LLM 推荐的轻量化和 Agent 化"： Vrbo 用训练免费的 LLM 合成查询解决长尾覆盖问题，缩小 3B 模型与 API 模型的召回差距至 <1%。QuintoAndar 的 LLM 重排序融合对话上下文在房产搜索中 CTR +5.3%。Kuaishou 的 RashomonLLM 将解释生成与预测耦合，在直播 CTR 上 AUC +2.3% 且解释质量提升 8.7%。
生成式推荐：DocID 设计、微调对齐与工程框架
本周生成式推荐有 7 篇论文，其中 6 篇来自工业部署。关注的三个子问题：DocID 如何编码业务价值、微调如何对齐集合级目标、工程框架如何解耦特征逻辑与模型架构。
CRID（阿里巴巴）——Cluster-Ranked Identifier。现有基于语义 ID（如 TIGER、RQ-VAE）的 DocID 存在两个问题：碰撞影响检索精度，且编码目标（重构语义相似度）与业务目标（GMV）不匹配。CRID 将 DocID 解耦为两级：先聚类分配语义簇 ID，再在簇内按业务价值（如预期收益）排序得到排名 ID。这种方式可增量更新——新物品只需在对应簇内重排序而不影响全局结构。在 300M 淘宝商品库上，CRID 的 Top-K Hitrate 超越了最强的 embedding 检索基线（具体数值：Hitrate 相对提升约 6-8%），全流量部署 GMV +1.06%。论文还提供了分析框架，将检索增益分解为个性化偏好和统计先验泛化，发现簇大小控制两者平衡。相关工作可追溯到 DSI 和 TIGER，CRID 在 DocID 层面直接注入排序意图，而非仅依赖注意力机制隐式学习。
GFlowGR（阿里巴巴）——生成式推荐面临两项训练-部署不匹配：NTP 只优化单步预测，却要在推理时生成一个集合；且所有用户交互被等权对待。GFlowGR 引入 GFlowNet 微调框架，将生成式推荐建模为序列集合生成。它包含三个组件：轨迹采样器从候选集中构造训练轨迹实现集合级学习，行为感知奖励模型量化物品效用，GFlowNet 目标提供 token 级监督。关键洞察是 GFlowNet 的流匹配特性使概率正比于奖励，无需 RL 中的策略梯度。在淘宝搜索广告中部署后，年收入相对提升 0.4%（对应十亿级收益）。GFlowGR 与 RLHF 和 DPO 等对齐方法的区别在于：后者优化点对点偏好，而 GFlowNet 天生对齐集合级的多样性-价值权衡。
NONTP（美团）——NTP 有两个结构性缺陷：时间局部性（只优化单步预测）和空间局部性（跨域序列中梯度只通过前一步隐藏状态）。NONTP 通过两个辅助目标扩展信号覆盖：时序对比学习（TCL）用 BYOL 式 EMA 教师对齐隐藏状态与 K 步未来轨迹；跨域学习（TDL）平均池化跨域隐藏状态并通过共享预测头预测。两者均在推理时丢弃，零开销。在美团四域排序数据集上，HR@10 比 NTP 提升 34.3%，线上 CTR +1.8%、GMV +2.1%（p<0.01）。该工作延续了 MBGR 的多域生成范式，但首次系统分析了 NTP 的局部性瓶颈。
Prompt Generation（Taobao）——一种配置驱动的特征解耦框架。生成式推荐中，特征处理逻辑与模型架构紧耦合导致迭代慢、部署重。PG 通过两个声明式 JSON 文件统一描述特征类型（原始值/序列/文本/索引）和处理组件（映射器/池化器/汇聚器），使特征实验只需改配置。框架还内置了对超长序列的 token 压缩。在淘宝搜索线上，交易数 +0.47%、GMV +0.51%，目前已推广至多个团队。这与 xGR 的服务侧优化形成互补——PG 解决的是模型侧的工程效率。
TmallGS（阿里巴巴）——针对 Tmall 搜索的规模化排序架构，五个组件包括层次分布校准分词（FSR+DCP）、场自适应门控 Transformer、解耦 FiLM 后期融合、上下文感知偏差网络、错误感知渐进训练。该工作展示了从 DLRM 向 Transformer 过渡时的特征异构性处理策略——不像 OneTrans 那样将所有特征 tokenize 后拼合，而是按场分配投影子空间。线上 UCTCVR 和 GMV 均显著提升。
FlashTrie（Microsoft）——生成式检索的约束解码瓶颈。标准实践是 CPU上用 Trie 树做 beam search 约束，但 beam width 增大时成为延迟瓶颈。FlashTrie 将约束解码全量迁移至 GPU：整数感知的紧凑 trie 布局（位压缩减少内存占用），协同 CUDA 内核在设备上完成波束扩展、验证和剪枝。在 800M 关键词库上 beam width 1000 时，trie 搜索延迟 <3ms，相比优化多线程 CPU 基线加速 24x。在商业搜索引擎的 A/B 实验中带来 +0.71% 收入提升。该工作为生成式检索在延迟苛刻场景（如赞助搜索）中扩大 beam width 提供了可行方案，此前 Generative Conversational Recommender System 也面临类似解码约束。
GUIDE（阿里巴巴）——生成式自动出价。Decision Transformer 建模历史出价和环境状态，Q-value 模块引导探索，逆动力学模块提供安全回退。在淘宝线上，ad GMV +4.10%、ad clicks +1.40%、ad cost +1.66%、ad ROI +3.52%。该工作延续了 Constraint-Aware Generative Auto-bidding 的生成式出价路线，但首次将探索-保护-选择显式统一。
排序模型：长序列解耦、细粒度语义与去偏
本周排序模型领域亮点集中在解耦架构实现长历史实时推理、细粒度语义建模（饱和感、折扣率） 和去偏（习惯解耦、位置偏置）。
SlimPer（Meta / Instagram）——重新定义 Transformer 在推荐中的角色。生成式模型的大中间张量与推荐任务不匹配：推荐只需产出每个 <user, item> 对的单一相关性分数。SlimPer 将个性化排序建模为迭代精炼紧凑 <user, item> 知识库（KBase）。每层以 O(N) 成本从用户侧多模态 token 中选择性查询，计算显式相关性匹配分数，然后精炼 KBase。模型深度与序列长度解耦，支持 10k+ 细粒度历史事件。推理时通过请求级优化在候选物品间共享用户侧 token，进一步减内存。该架构统一了稀疏/稠密/序列特征，且注意力机制提供了内在可解释性。部署于 Instagram Reels 和 Feed，用户参与度提升。该设计思路与 HiGR 的层次化生成思路互补——一个在精排层压缩历史，一个在召回层生成集合。
Long-History User Transformers（Yandex）——离线编码 + 缓存 + 轻量在线模型的经典解耦。离线 Transformer 异步编码用户全跨面交互历史为紧凑表示（6000 维），存入特征存储。运行时模型仅用缓存表示 + 最近事件 + 请求上下文做 CTR 预测。离线编码用反馈预测 + 下一项预测双目标预训练，再在广告表面微调。该分体架构恢复了完整历史运行时 Transformer 72-80% 的质量（完整版本由于延迟太高无法部署），且缓存对过时鲁棒。搜索广告 +2.77%，广告网络 +2.1%，收入分别 +2.26% 和 +0.43%。
SAM（阿里巴巴）——电商中购买动作常代表意图结束而非延续，但顺序模型将用户交互全部视为正向信号，导致购买后冗余（PPRR）。SAM 通过饱和感感知机制显式建模兴趣生命周期：双路交叉注意力抑制已满足兴趣对应历史点击，自适应饱和门控单元输出时间敏感的软掩码，自监督 TTNP 任务学习产品再购周期。线上 PPRR 降低 60%。
DANet（阿里巴巴）——折扣率影响 CVR 但被忽视。DANet 用傅里叶变换捕获长期折扣趋势，用分布去偏模块缓解用户折扣率偏差，用回归辅助任务提供显式折扣标签。离线 AUC +1.61%，线上 pCVR +3.63%、GMV +2.23%。
OrDA（蚂蚁集团）——首页营销块的点击由内容兴趣和访问习惯双重驱动，习惯点击构造伪正样本。OrDA 将兴趣和习惯解耦：门控分配层自适应路由特征，正交正则化约束两个隐空间几何垂直，推理时用 do-calculus 只按净化后的兴趣排序。在线 UCTR +5.64%。
RecRec（学术）——将推理从预测中解耦，通过上下文压缩器蒸馏隐藏状态为多兴趣表示，递归推理器在中间潜空间逐步精炼兴趣。在四个数据集上超越 SASRec、BERT4Rec 等，且推理深度可在推断时自由调整。
另一个同名非部署论文 RecRec（学术）——轻量递归精炼模型（3.9M-14M 参数），维护紧凑隐状态并通过证据锚定校正门控递归更新。匹配或超越大模型性能。两个 RecRec 思路不同但均指向同一趋势：推荐模型需要多次推理/精炼而非单次前向。
MMRM（京东）——多任务多模态表示。MMRM 用共享骨干 + 任务特定 token 和投影层同时对齐多种协同信号，在排名模型中引入多面用户表示（对应不同任务从物品检索中对应用户表示）。部署于京东搜索。
RashomonLLM（Kuaishou）——将解释生成与预测耦合，提出 Rashomon 解释集概念，证明解释保真度约束模型性能上界。Agentic workflow 迭代对齐解释与预测。在 Kuaishou 直播 CTR 上 AUC +2.3%，解释质量提升 8.7%。该工作突破了 XAI 领域长期的准确性-可解释性 trade-off 叙事。
Long-term User Engagement Optimization（Pinterest）——模型无关的下游奖励框架。离线筛选会话级行为（如保存、分享）中早期可观测且预测留存的信号，构造下游奖励信号加入排序模型。部署于 Homefeed、Related Pins、Search、Notifications 四个场景，留存指标一致提升。
召回系统：异构索引、因果触发与多模态检索
召回层面本周围绕 统一异构内容缩放、因果触发优化、多模态/多语言检索 展开，且大部分来自工业部署。
MESH（Pinterest）——异构检索系统的缩放偏差问题：模型能力提升不均衡地惠及高频内容。MESH 通过模块化架构分区特征空间，每个域独立规模，门控偏置校正减少稀疏内容与高频特征的干扰。实验显示新鲜物品的缩放指数提升了 14 倍（power-law scaling exponent）。在 Pinterest Related Pins（十亿级推荐系统）上，新鲜物品 repins +5.5%，用户留存 +0.46%，漏斗效率 +55%。异步服务策略使吞吐量提升 2.87 倍。该工作为收敛分散的 "检索 zoo" 提供了可扩展范式。
Pinterest 因果检索优化（Pinterest）——将触发购物候选生成器视为因果决策：仅在帮助时触发而非分散注意力。多任务深度模型联合预测多个事件的 baseline 和 uplift，使用双重稳健伪结果（doubly robust pseudo-outcome）训练。线性时间离线回放策略可精确预测在线效果。线上购物触发减少 85%，总会话 +0.26%，Pin 保存 +1.10%，且无延迟回归。
FlashTrie 已在生成式推荐部分分析，但本质上是检索侧的工程突破。
SilverTorch（Meta）——将 ANN 索引和过滤服务从 CPU 迁入统一模型层。模型化 GPU Bloom 索引 + 融合 Int8 ANN 核，OverArch 评分层支持多任务检索。在工业数据集上吞吐量 23.7x，成本效率 13.35x。部署数百模型在线，支持多种应用。
Apple Music 多语言语义检索（Apple）——305M 参数的 Siamese bi-encoder（基于 GTE-multilingual-base），课程调度多目标训练（Hit@10 +69% 相对提升）。通过分位数分布匹配的混合检索架构（密集 + 稀疏）部署，无需重训练下游排序器。全球线上 150+ storefront，CR +2.28%，no-result 率 -86%，Tail 查询 CR +7.93%。
Apple TV 增量搜索个性化（Apple）——混合文本嵌入（TextEmb，对比学习微调）和 ID 嵌入（IdEmb）的双塔系统，XGBoost 重排序。短前缀查询（1-3 字符）NDCG@10 提升 8.63%，线上 tap-through rate +1.14%，conversion rate +1.23%。
Walmart EBR 升级（Walmart）——混合难负采样（在线跨批次采样 + 离线交叉编码器元数据挖掘）+ 旧模型温启动蒸馏从 DistilBERT 到 GTE-base。NDCG@5 +7.34%，收入 +0.50%。
Vrbo LLM 候选生成（Vrbo / Expedia）——训练免费的 LLM 候选生成管道。用 LLM 为每套房产合成多样化语义查询，预训练文本编码器嵌入，ANN 索引从 11.7M 房产目录中检索。Union 融合策略将其与物品级 KNN 合并，不退化热门房产。系统覆盖了数万 IBKNN 无法触及的长尾房产，且 3B 开源模型的召回差距（相比 API 模型 27-46%）被融合降至 <1%。
CwA（Meta FAIR）——联合学习数据库分区和探测函数。用拍卖算法平衡分区，OOD 场景下 throughput 4.7x 提升。在分布内场景中，简单的线性探测函数即可超越深度神经网络方法。
Proximity Features（Airbnb）——隐私合规的冷启动。通过地理 IP 自适应聚类将 ~1000 名邻近用户分组，生成聚合信号而无须持久标识符。部署于营销落地页和目的地推荐，显著提升预订量。
ZoRRO（JP/Politikens Hus）——零权重免训练新闻推荐。在线 CTR 接近 SOTA 深度学习模型，推理速度快 600 倍以上。揭示离线-在线差距和 CT 相同但推荐分布不同的问题。
AGREE（阿里巴巴）——利用 MLLM 的交叉注意力图作为局部相关监督，联合全局标签训练检索器，在 ViDoRe V2 上 nDCG@1 +12.82%。
Mutable Sketches（学术）——免重训练的实时推荐。KP-tree 存储用户偏好，低秩投影固定，评分到达时实时重算嵌入。KuaiRec 上 1.8% 数据达到 0.810 RMSE（ALS 0.822），新用户 <1ms 获得推荐。证明每个新评分单调收紧误差界。
LLM 增强推荐：重排序、Agent 架构与特征融合
LLM 在推荐系统中承担的角色从全量替换传统模型转向混合架构：LLM 处理非结构化/异构上下文，传统 ML 处理结构化规模信号。
LLM Re-Ranking for Real Estate（QuintoAndar）——在对话式房产搜索中引入 LLM 重排序。构建 96 万 query-item 对数据集（合成 + 生产查询，LLM-as-a-Judge + 人工验证），线上 CTR +5.3%，scheduled visits +4.8%。该工作表明 LLM 重排对模糊意图场景（如房产）贡献显著，但前提是输入上下文需足够丰富（多轮对话）。
Agentic Recommendation for CTV（Meta/Amazon）——LLM 编排专用组件处理异构上下文（趋势新闻、跨表面活动）。关键挑战是 LLM 推理延迟——采用 Agent 架构，每个子任务由最合适的方法处理（子模块可全 LLM 也可传统 ML）。工程贡献在于如何将 LLM 插入现有 pipeline 而不拖慢整体推理。
Tokenizing Numerical and Embedding for LLM RecSys（Meta/Amazon）——将连续数值和稠密嵌入映射为软 token 融合到 LLM 输入空间。在共享参数的双塔 LLM 推荐中，交互式融合优于直接拼接。三个 Amazon 基准提升。
AWA-RL（阿里巴巴）——搜索 Agent 的幻觉缓解。传统 RL 奖励正确回答但不惩罚检索失败时的捏造。AWA-RL 基于模型查询前的先验能力和在策略训练观测动态调整弃权奖励。引入 RA-F1 指标权衡能力与可靠性，绝对精度提升 10.3%，RA-F1 +2.9%。
值得关注的方向
生成式推荐的微调对齐成为工业部署关键。GFlowGR 和 NONTP 均指向：NTP 预训练后，必须有适配集合级指标的微调阶段才能发挥最大收益。这催生了一个新问题：如何设计与推荐业务目标（GMV、留存等）更直接对齐的微调目标，而非仅依赖 NTP 或排名损失。
解耦架构成为长序列推理的标准方案。SlimPer 的 O(N) 知识库精炼和 Yandex 的离线编码缓存思路本质相同——将计算密集型部分离线异步完成，在线只做轻量匹配。对于用户历史长度超过万级的生产系统，这是成本收益最优的路径。未来可能出现更统一的解耦框架：在线部分仅包含几层 MLP 和注意力池化，离线部分用可扩展 Transformer。
多模态检索的统一索引成为挑战。Apple Music、Vrbo、Walmart 三篇独立工作均采用混合检索（语义+行为/ID）并设计融合策略（分位数匹配、Union 融合）。这表明纯语义或纯行为均不足，如何在不重训练下游的情况下无痛引入新信号成为行业共性需求。MESH 的模块化缩放和 CwA 的联合学习提供了思路。
本周论文速览
生成式推荐与检索
GUIDE — 阿里巴巴提出 Generator-DT+Q-value+IDM 的自动出价框架，线上 ad GMV +4.10%。
GFlowGR — 阿里巴巴将 GFlowNet 用于生成式推荐微调，淘宝搜索广告年收入 +0.4%。
FlashTrie — Microsoft 在 GPU 上加速约束 beam search，800M 关键词 <3ms，线上收入 +0.71%。
CRID — 阿里巴巴将业务价值排序嵌入 DocID，300M 商品库 GMV +1.06%。
NONTP — 美团用时序对比+跨域学习扩展 NTP 信号，线上 CTR +1.8%，GMV +2.1%。
Prompt Generation — Taobao 用配置驱动框架解耦特征逻辑与模型架构，线上 GMV +0.51%。
TmallGS — 阿里巴巴提出五组件大规模排序架构，在 Tmall 搜索上提升 UCTCVR 和 GMV。
排序模型与序列推荐
SlimPer — Meta 将排序建模为 <user, item> 知识库迭代，10k+ 历史，部署于 Instagram。
Long-History User Transformers — Yandex 用离线编码+缓存解耦长历史，搜索广告 +2.77%。
Long-term User Engagement — Pinterest 提出模型无关下游奖励框架，多场景部署提升留存。
OrDA — 蚂蚁集团正交解耦访问习惯与兴趣，线上 UCTR +5.64%。
DANet — 阿里巴巴用傅里叶变换建模折扣率，pCVR +3.63%，GMV +2.23%。
SAM — 阿里巴巴用饱腹感门控建模兴趣生命周期，PPRR 降低 60%。
MMRM — 京东用多任务对齐 MLLM 并引入多面用户表示，部署于京东搜索。
RashomonLLM — Kuaishou 用解释-预测耦合 agent，直播 CTR AUC +2.3%，解释质量 +8.7%。
RecRec: Latent Interests — 学术提出多兴趣递归推理，超越 SASRec 等基线。
RecRec: Recursive Refinement — 学术提出递归精炼序列推荐，3.9M-14M 参数匹配 SOTA。
召回系统与工程优化
Pinterest 因果检索 — Pinterest 用因果 uplift 建模减少 85% 购物触发，总会话 +0.26%。
MESH — Pinterest 用模块化架构解决异构缩放偏差，新鲜 repins +5.5%，留存 +0.46%。
SilverTorch — Meta 将 ANN 索引统一为模型层，吞吐量 23.7x，成本效率 13.35x。
Apple Music 多语言检索 — Apple 用 305M 双塔课程训练，全球 CR +2.28%，tail CR +7.93%。
Apple TV 增量搜索 — Apple 混合文本+ID 嵌入，短前缀 NDCG +8.63%，tap-through +1.14%。
Walmart EBR — Walmart 用混合难负采样 + 温启动蒸馏，NDCG@5 +7.34%，收入 +0.50%。
Vrbo LLM Candidate — Vrbo 用训练免费 LLM 合成查询解决长尾覆盖，召回差距降至 <1%。
Proximity Features — Airbnb 用地理聚类聚合信号实现隐私冷启动，显著提升预订。
ZoRRO — JP/Politikens Hus 提出零权重免训练新闻推荐，600x 加速，CTR 接近 SOTA。
CwA — Meta FAIR 联合学习分区和探测，OOD throughput 4.7x。
AGREE — 阿里巴巴用 MLLM 注意力图做细粒度相关监督，nDCG@1 +12.82%。
Mutable Sketches — 学术提出 KP-tree 免重训练推荐，1.8% 数据达 0.810 RMSE。
LLM 增强推荐
LLM Re-Ranking Real Estate — QuintoAndar 用 LLM 重排融合对话上下文，CTR +5.3%。
Agentic Recommendation CTV — Meta/Amazon 用 LLM Agent 编排组件处理异构上下文，解决 LLM 推理延迟。
Tokenizing Numerical for LLM — Meta 将数值和嵌入映射为软 token 融合到 LLM。
AWA-RL — 阿里巴巴用弃权感知 RL 缓解搜索 Agent 幻觉，精度 +10.3%。
其他
Accelerating A/B Tests — 学术提出 Δ-Off-Policy Estimation 利用策略重叠降低 A/B 方差。
KuaiLive Dataset — 快手发布首个实时交互直播推荐数据集，23,772 用户，452,621 主播，21 天日志。