统一召回-排序架构成为工业界主流方向：百度 UNIQUE 用单层扁平量化 + 早融合架构打通召回与精排，LinkedIn CC Retriever 用 GPU 排序栈把深度模型下沉到粗排层，两者都在消除阶段间信息损失。传统"召回-粗排-精排"级联范式的边界正在被重新定义，端到端联合训练从学术概念走向大规模线上部署。; 长序列与多兴趣建模的工程化落地加速：百度 MuSeR 在 10⁴-10⁵ 级用户行为序列上实现层次时间压缩 + 多查询兴趣解耦 + 多模态语义对齐的系统级集成，在固定 servin

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（

本周推荐系统研究围绕三条主线展开：工业界把生成式范式迁移到已有排序/召回链路、用户语义信号（自然语言理由、推理轨迹）进入推荐特征空间、长序列压缩与记忆的自演化。 主线一：生成式升级走"平滑迁移"路线。 Meta 的 LIGE-GR 把成熟的 pointwise 排序泛化为 listwise 生成与评估，在 Instagram Reels 提升 time spent 1.14%、Facebook Video 0.72%，且只需适度额外推理资源。阿里巴巴国际数字商业的 LazFormer 用生成式预训练为排序同时提供稀疏与稠密参数初始化，再用可迁移残差适配器解决稠密参数负迁移。两条路线的共同指向是——不替换服务基础设施，只改写表征与优化目标。 主线二：用户语义信号成为一等文本信号。 快手的 SARA 把用户自然语言偏好解释（AURs）从 86,564 位作者扩展到 10M 作者空间，并把正负 rationale 送进生产排序。阿里巴巴的 CoFree 针对 LLM embedding 中的 reasoning collapse，用 embedding-oriented 与 reasoning-oriented 双奖励做端到端耦合优化，CoFree-4B 在 MTEB 与 BRIGHT 共 22 个数据集上相对 Qwen3-Embedding-4B 平均绝对提升 2.8 nDCG@10。 主线三：长序列压缩与记忆隔离。 腾讯的 ChronicleRec 把超长行为序列一次性压成时间锚定的 Chronicle Tokens，按用户缓存，解耦超长序列建模与在线候选打分。LION 则指出持续演化会引发 evolution conflict——异构偏好漂移在共享自回归参数空间内互相冲突，主导行为模式会压制长尾模式，解法是以稀疏 Key-Value 记忆层做参数隔离。

LLM 推理质量成为 Embedding/重排的新战场：阿里 CoFree 指出 embedding 专精化会引发 "reasoning collapse"，用 dual reward 在 RL 中同时保推理质量与检索对齐；荣耀 MERIT-Rank 用多轨迹推理空间对抗单路径推理错误。两者共同信号是——LLM 做检索/重排，光对齐 relevance 不够，推理链本身的质量要显式建模与保护。; 生成式推荐的信用分配从 slate 级下沉到 token 级：阿里 Qwen 的 query sug

生成式推荐从"重建"转向"平滑升级"：Meta LIGE-GR 与腾讯 ANGLE 都强调不推倒现有工业栈，而是在成熟排序/检索系统上做 listwise 生成或统一生成-判别-排序的兼容式改造，降低组织与技术风险，这正成为大厂落地生成式推荐的主流路径。; 用户显式语义信号成为一等公民：快手的 AURs（用户自然语言偏好解释）与 Indeed 的单 token 期望值打分，都在把"用户为什么喜欢"这类原因级、极性感知的文本信号引入排序，弥补隐式行为"只知 what 不知 why"的短板。; ⚙️

Agent 从"生成推荐"走向"运维推荐系统"：AURA 用专用 LLM agent 读取生产 engagement 日志、规模化诊断失败模式，并直接生成代码级改进，把 agent 能力从推荐链路内部（生成候选）扩展到推荐链路外部（诊断与迭代）。这标志着工业推荐进入"自改进系统"探索期，值得关注其配置层抽象如何跨平台迁移。; 检索/召回阶段成为工业优化的新主战场：Meta PCap 把个性化多样性约束从排序前移到检索阶段，Wolt UVR 用统一排序器替换四个模型，Swing 高效近似算法直指十

生成式检索从"召回替代"走向"召回-粗排-精排全链路对齐"：VARG（阿里 Tmall）用 value-ordered 第三 token 同时编码细粒度商品地址与业务价值先验，并以 Prefix-GRPO 门控奖励直接对齐最终精排目标，生成候选直送精排器；LazFormer 则用生成式预训练为排序提供稀疏+稠密参数初始化。生成式范式正从单点召回实验，演化为贯穿全链路的工业级系统设计。; 检索深度/记忆/技能选择成为"推理时资源分配"新战场：Amazon 的查询自适应 top-k、DiBud 的访

长序列建模进入"压缩+缓存"工程化阶段：腾讯 ChronicleRec 与偏好漂移子序列学习两篇同日出现，共同指向一个共识——全序列注意力已到成本天花板，行业正转向"一次性压缩为可缓存表示"（target-independent tokens）与"软子序列边界+线性注意力"两条路线，核心诉求是把超长序列建模从在线打分链路中解耦出去，用缓存换延迟。; 多兴趣召回从"辅助正则"转向"训练目标内生分化"：阿里 MIMA 用多正样本匈牙利排他分配，让兴趣分化由目标函数本身驱动而非额外正则项，并补上跨兴趣

本周 14 篇工作集中在三条技术主线上：跨阶段联合优化、电商搜索的业务目标对齐、以及多模态与检索表示中的信号保真。 主线一：级联系统的联合优化取代分阶段调参。 快手的 UniRec 把粗排与精排的融合模块放进同一计算图联合训练，线上 app usage duration +0.616%；华为的 PTDG 用低秩近似按 item 动态重连任务依赖强度，线上 CVR +1.2%、eCPM +1.9%；滴滴的 ALIGN-HOLD 则把 hold 策略的奖励从手工组合换成偏好模型学出来的密集信号，28 天 A/B 覆盖日均约 10 万次请求。三篇的共同指向是——级联阶段的独立调优已经触到天花板，收益要来自阶段间的梯度流动。 主线二：电商搜索从"语义相关"转向"业务对齐"。 阿里巴巴的 SAM-D2Q 用强化学习偏好对齐替代纯文本的 Doc2Query 扩展，AliExpress 线上 GMV +3.38%、Pay Count +2.27%；华为的 IGPO 走 training-free 路线，把策略与库存事实解耦，线上 CTR 相对提升 3.17%、审核 bad case 减少 38.9%。两篇都不改模型主体，改的是优化目标与决策边界。 主线三：多模态与检索表示中的信号衰减开始被显式建模。 小红书相关团队的 LARK 提出"跨模态稀释"并给出一套潜在对齐方案；MURAL 用不确定度感知融合压制噪声模态；Embedding Surgery 则在稠密检索侧做局部嵌入修正，DL-Hard 上 nDCG@10 相对提升最高 60.64%。

级联系统跨阶段联合优化成为工业界新焦点：快手 UniRec 首次系统性地将粗排与精排的融合模块放入同一计算图联合训练，用双轴偏好对齐（垂直跨阶段一致性 + 水平紧凑聚合）解决上下游目标不一致问题，并引入属性组相对正则化防止高奖励区域过拟合。这标志着工业推荐从"各阶段独立调优"向"全链路端到端对齐"演进，对已有级联架构的团队有直接复用价值。; 合成数据微调的"隐性代价"被系统性揭示：Manulife 在 34,396 个技能的生产级路由系统上发现，合成数据微调虽提升分布内检索，却导致 OOD 召回

偏好学习替代手工奖励，成为工业级决策优化的主流范式：DiDi 的 ALIGN-HOLD 用隐式市场偏好构建偏好对训练 Reward Model，替代 EXHOLD 手工组合奖励，配合 bandit 策略学习与 label-free 低可识别性交互过滤，在 28 天 A/B 中同时提升完单率与司机收入。这标志着工业界从"人工设计奖励"向"从行为轨迹中学习偏好"的迁移，对推荐/匹配系统中的时机决策（hold、延迟曝光、流量调控）具有直接借鉴意义。; LLM-as-a-Judge 的可靠性问题被系统性

多模态与LLM深度渗透召回/精排全链路：今日多篇论文（SAM-D2Q、LARK、MURAL）将视觉-语言模型、多模态特征引入召回与排序，且不再停留在"拼特征"层面，而是通过RL对齐业务目标（GMV）、潜在token缓解跨模态稀释、不确定性感知融合抑制噪声，标志着多模态推荐从"能用"走向"好用"。; 从"静态模型"到"动态自适应"的范式迁移：Embedding Surgery（查询时局部更新embedding）、IGPO（训练-free库存感知策略优化）、PTDG（动态任务依赖图）三篇不约而同地挑