本周推荐系统研究围绕三条技术主线展开：生成式推荐的语义 ID 从"建得好"转向"维护得住"，长序列排序在效果与算力之间重新找平衡点，Agent 系统把评估、监控、成本治理当作一等公民。 主线 1：语义 ID 进入运维期，核心问题从编码转向时序稳定与解码个性化。 快手 OneLatent（线上广告收入 +9.6%，推理吞吐提升超 17 倍）把显式 CoT 压进 latent token。阿里巴巴/天猫的 SID 拓扑保持在 67 天日志上量化出映射更新会让 HitRate 掉 41.78%–62.05%，最终线上 GMV +1.16%。优酷 SPAR 用前缀平衡的 RQ-PIB 把最大子分支流量份额压降 32.84%，线上观看时长 +3.95%。三篇的共同指向是——语义 ID 的价值不再只由码本质量决定，更取决于码本随时间漂移时的应对策略与每一层解码时的用户证据注入。 主线 2：长序列排序的算力账单被摆到台面。 快手 ECHO 在 100K 序列长度下把在线序列分支 FLOPs 降低约 160 倍，离线 GAUC 提升 0.113%–1.520%，线上 app usage time +0.613%。Meta 的 Predictable Scaling 用缩放律预测把候选假设的全量训练压到 79%–88% 的计算节省，同时保持假设排序正确。两者都在回答同一个问题——序列越长、模型越大，靠堆算力换效果的路还能走多远。 主线 3：Agent 推荐的评估、归因、监控成为独立工程问题。 阿里 UserArena 用 64,729 条真实会话轨迹搭出可对照生产 A/B 的交互式基准。Adobe LARA 指出 agentic 检索存在"谁读结果、何时行动、归因于检索还是模型知识"的三重归因缺口，chat 用户改写率 44.4% 高于 gallery 的 33.1%。大型美国零售商 MOSS 把 LLM 相关性评分嵌入循环监控，部署六个月发现两个线上缺陷，其中一个修复后告警率相对下降 76.4%。评估不再是排行榜，而是一条持续运行的生产管线。

生成式推荐的“推理降本”成为主战场：OneLatent 用可学习 latent token 压缩显式 CoT，把推理开销砍到 1/17 的同时线上广告收入 +9.6%，标志着 FRM 从“能不能推理”转向“推理得起吗”。工业界开始把 LLM 推理链当作可蒸馏、可内化的中间产物，而非线上必须生成的产物。; Agent 场景的评估体系正在重建：Adobe LARA 指出 CTR/MRR/NDCG 在 agentic assistant 中三大假设全部失效（谁先读、何时行动、归因于检索还是模型知识），

生成式推荐的长尾与可控性补课：今日多篇论文（CAPE、ReGen）直指生成式推荐的两大落地痛点——语义 ID 共享前缀导致长尾物品"双重遗忘"，以及自回归固定解码方向难以实时控制多样性。解法均走向"免训练插件"与"并行迭代精化"，说明生成式召回正从范式验证进入工程修补期。; 语义 ID 与内容 tokenization 成为精排标配：阿里 FineSID 把多模态内容 tokenize 成细粒度 SID 并与 ID 特征对齐，走"内容→相关性→个性化"渐进式训练，标志着多模态内容不再以稠密向量旁

生成式推荐进入"精修期"：SPAR（优酷）与 Neighborhood-Aware Unlearning 两篇同时指向 SID 的结构性问题——前者用前缀平衡解决分支负载不均，后者揭示 SID token 共享导致的遗忘邻域副作用。生成式推荐已从"能不能做"转向"解码可靠性 + 可控性"的工程深水区，SID 构建本身成为可优化对象。; 长序列建模走"级联+蒸馏"路线：快手 ECHO 用 100K 序列 + 逐目标蒸馏 + 级联检索把在线 FLOPs 砍掉 160x，说明纯端到端长序列在工业成本上

生成式检索进入"工程化深水区"：今日三篇工业论文（快手 AGR、阿里 SID 拓扑保持、快手 MAPS）不再纠结"GR 能不能用"，而是解决"怎么稳定上线"——特征按需注入、SID 映射更新策略、生成式创意闭环。阿里那篇尤其值得警惕：beam size 会掩盖 SID 漂移的真实危害，beam=1 时 HitRate 掉 41%~62%，beam=1000 只掉 8%~10%，这个"指标幻觉"是很多团队踩过的坑。; Agent 范式从"对话"下沉到"检索/广告链路"：AGR 把工具调用嵌进 SI

Agent 基础设施成为推荐工程新战场：今日 7 篇中有 4 篇直接面向 LLM Agent 的工具选择、记忆门控、搜索信用分配，推荐问题正从"给用户排物品"扩展到"给 Agent 排工具/记忆/证据"，且都强调网关层、记忆库这类系统级组件而非单点模型。; 训练侧信用分配与后训练成为提效主路径：GCA 修正 GRPO 的 token 级 advantage、ReRankID 用分级排序奖励激发 SID 重排行为、Predictable Scaling 用小代理预测全规模性能，三篇都在"不增加推理

本周三篇工作指向同一个底层问题：推荐系统的算力、监督信号和特征资产，该如何按"实际贡献"而非"名义规模"来分配。TransX 把序列转导拆成可独立扩展的组件并解耦训练与服务，EWM 用解释重构延迟奖励的信用分配，FORTE 把特征下线做成可日更的工程流程。三者方法不同，但都在回答"哪些计算、哪些信号、哪些特征真的有用"。 主线一：生成式推荐的扩展从"堆模型"转向"配算力"： LinkedIn 的 TransX 报告了一个反直觉的观察——编码器在固定记忆分辨率下加深到中等深度后就饱和，继续加监督信号反而应该把预算挪给候选条件融合。它线上 CTR +6.02%、转化 +4.45%，同时服务成本降近 80%。这说明容量增长和服务成本可以脱钩。 主线二：延迟奖励的信用分配开始借外力： EWM 不再依赖时间接近性传播奖励，而是让前沿语言模型生成"哪些早期事件导致了当前结果"的解释，再用保守分层算子把奖励递归重分配回去。在 Crafter、WordCraft 上奖励越延迟，相对 PPO 和 LaRe 的增益越大。 主线三：特征资产生命周期被当成独立工程问题： Pinterest 的 FORTE 在搜索相关性模型上移除了 43.3% 的特征，在大型排序模型上减少 29.9% 可训练参数、服务吞吐提升 19.8–25.5%，且线上 A/B 无回退。特征下线第一次有了可预测线上结果的离线流程。

序列转导范式重塑推荐系统架构：LinkedIn TransX 将推荐建模为序列转导（sequence transduction）问题，把序列编码、行为记忆、候选条件融合拆成独立可扩展组件，并通过训练/服务解耦实现"模型容量增长但服务成本不增长"。这标志着工业推荐从"堆叠 DNN + 特征工程"向"统一序列建模 + 基础设施协同设计"的范式迁移，HSTU 之后序列推荐进入系统级竞争阶段。; LLM/Agent 的效率化落地成为主线：今日多篇论文（AURA 自适应推理深度、IG-OPD 蒸馏校准、L

工业界开始系统性治理"特征/参数冗余"：Pinterest 的 FORTE 把特征下线从"拍脑袋"变成可预测线上 A/B 的工程框架，实测降参 29.9%、吞吐 +25.5%，说明大模型时代推荐系统的成本优化已从"加特征"转向"科学减特征"，值得所有维护千级特征工程的团队借鉴。; LLM 解释/重构能力被引入 RL 信用分配与索引构建：Spotify 用 LLM 生成解释做长延迟奖励归因（EWM），PRIME 用 LLM 语义重构文档索引，两者都把 LLM 从"生成器"变成"结构化信号源"，为生

本周推荐系统研究围绕三条主线展开，工业部署论文与学术工作交替推进。 主线 1——搜索链路的重排与监督信号再分配： Airbnb 的 SIFT 把 filter ranking 从手工 ETL 特征迁移到 Transformer 序列建模，线上推荐 filter 互动 +20.0%；Elastic 的 VLM Teacher 监督研究 显示，把教师信号花在负样本判定上比增强正样本更划算，ViDoRe v2 nDCG@5 从 55.2 提到 62.6/63.0。两篇共同指向同一件事——搜索链路的收益正从"换模型"转向"监督信号怎么分配"。 主线 2——大规模训练与在线优化的算子级与框架级改进： Google AI-Hypercomputer 的 CutBCE 把多标签 BCE 的 logits 挤出 HBM，8 芯片 TPU 上训练提速 225.9%；Meta 的 Population Evolution 用跨任务共享实验账本把排序任务局部增益从 7.01% 提到 8.97%；同属 Meta 的十亿级缩略图 MAB 系统 在 O(B) 规模上把探索先验交给深度视觉质量模型。 主线 3——生成式推荐的细粒度偏好对齐： Walmart 的 QGDPO 用 DPO 过滤 Doc2Query 的幻觉与重复预测，消除 50% 无关预测；AIMS 把单条历史事件的删除干预效应转成排序 margin 监督。两篇的切入点是——训练信号正在从"整体输出好"细化到"哪一部分在起坏作用"。

检索/召回范式的"迭代化"重构：今日多篇论文（ARR、Multi-Step Query Rewriting、LIFT）不约而同地把"一次性编码-检索"改为"检索-反馈-再检索"的序贯决策过程。ARR 用 RL 选择反馈项精化查询嵌入，CQR 用 agent 在检索反馈下多步改写，LIFT 把交互拆成生命周期状态序列——核心思路都是让查询/历史表示在获得语料证据后动态修正，而非固定不变。这对工业召回链路（尤其对话式、多模态场景）有直接借鉴意义。; 重排阶段的"数值-语义异构融合"与延迟约束工程：H

检索监督信号从"正样本增强"转向"负样本判定"：今日多篇论文（Elastic 的 VLM 教师蒸馏、文档结构消融）共同指向一个核心痛点——标注不完整导致假负例污染对比学习。Elastic 用 VLM 教师判定挖掘池中的 hard negatives，比传统正样本增强（attention grounding / description alignment）带来更大增益（v2 nDCG@5 +4.1），提示工业检索团队应重新分配教师算力到负样本侧。; 训练-推理一致性成为生成式推荐的新战场：浙大团队