本周工业界论文的密度继续走高——37 篇里有 20 余篇带线上结果或生产部署。三组技术信号最清晰：生成式推荐的瓶颈从"能否生成"移到"生成得对不对"，重排与混排开始把整条链路压进单个自回归解码器，Agent 推荐则从调用工具走向自我反思与奖励建模。 生成式推荐：语义 ID 的量化误差与解码漂移成为主攻方向。 快手的 BRIDGE 把 RQ-VAE 量化过程与解码器之间的信息断层命名为"语义量化鸿沟"，用码本锚定的隐式推理、特权 EMA 自蒸馏、深度感知计算分配三项机制分别弥合 grounding/neighborhood/difficulty 三类偏差，三个 Amazon 基准上 Recall@10 平均提升 10.9%，快手线上 A/B 广告 eCPM +0.65%。Meta 的 CAP-Mix 走另一条路——干脆不用硬量化，把物品表示为共享原型的软混合加物品特定向量，HR@5 比同 tokenizer 的硬 SID 表高 4.45–14.90%，推理吞吐是离散基线的 1.4–161 倍。两者的共同指向是：SID 的离散化本身正在成为生成式召回的信噪比天花板。 重排与混排：从手工规则走向端到端生成。 字节的 OneTrans-GSR 用单个 decoder-only Transformer 统一重排与混排，奖励模型评估完整曝光列表引导 RL，线上 GMV/u +2.63%、广告主价值 +2.06%、复购率 +2.03%，端到端延迟反降 13%。淘宝的 ICE 则从评估器入手，指出传统"独立行为建模"把连续浏览旅程压成逐条 CTR 预测会系统性偏差，改为显式建模展示→曝光→点击的因果链，14 天 A/B 点击 +0.70%、收入 +3.67%。两篇都在回答同一个问题：列表级目标无法用逐条打分拼出来。 Agent 推荐：反思、奖励与质量归因三条支线。 快手的 EvoRec 用动态反思树把失败轨迹转成可复用策略，且不需要更新任何参数，线上广告收入 +4.6%、高意图用户 +14.5%。淘宝的 E-GenRM 训练 27B 生成式奖励模型给购物 Agent 做偏好判别，E-GenRM-Bench 上偏好准确率 87.40%（超最强基线 6.97pp），14 天 A/B 用户满意度 +2.33pp。快手的 WISE 则把 Agent 用在反方向——诊断系统本身哪里坏了。
本周的推荐系统研究呈现出一个清晰的分野：生成式推荐的重心从"能不能生成"转向"生成得划不划算"，而传统排序架构的改进则集中在异构信号的粒度对齐上。 主线 1：生成式检索开始拆解自己的成本结构。 标准自回归接口要为 SID 长度付两次钱——历史以 T×K 个 code token 进骨干，每步 beam search 又要过一遍骨干。Pinterest 的 PinGER 用非对称注意力掩码把输入压成每物品一个 token，服务时 fresh Pins saves +3.60%、端到端延迟 -0.7%；学术侧的 Deco 把 beam search 整体委托给轻量 KV-cached 解码器，在 50 ms p95 预算下吞吐提升 3.2–8.6 倍。Octen-WebGR 则把 2.01 亿网页塞进 4B 模型参数，单卡 10 GB 内存跑完，导航查询 top-1 59.6% 对稠密检索 46.5%。三条路线的共同指向是——生成式检索的瓶颈已经从模型容量移到服务成本。 主线 2：多目标与精排从"多算几步"转向"算得对"。 快手 Refiner 用累积加性修正把潜在推理引入 ID-based 排序，阿里 KL-MOPD 发现多目标 on-policy 蒸馏里教师难度在 token 间分布不均，按初始 KL 散度分配权重，并在加性联合目标下给出严格优于 vanilla MOPD 的证明。两篇都指向同一件事：生成式排序的额外计算必须被精确投放到需要它的位置上。 主线 3：排序架构的粒度对齐。 阿里 HiRank 指出序列与非序列信号的有效秩不同，homogeneous self-attention 在这种异质输入上低效，线上订单/用户 +2.27%；美团 HGE 处理容器级排序与商品级交易的结构错配，线上 RPS +1.42%；Criteo 的 COMPOTE 则证明多假设结构的增益来自退火目标而非容量。三篇的共同点是——错配不在模型容量，在建模单元。