DuELRec：用「域门控双专家」把 item 级协同信号灌回 LLM，治跨域序列推荐的负迁移¶

A Dual-Expert Strategy Integrating LLMs to Mitigate Negative Transfer in Cross-Domain Sequential Recommendation Hyeongjun Yun（SK Telecom, KAIST）、Kihyuk Song（SK Telecom）、Jaegul Choo（KAIST）、Chung Park*（SK Telecom，通讯作者） CIKM '26 · arXiv:2608.23131v1 · 2026-08-24 · 代码与附录：https://github.com/cpark88/DuELRec

一句话：论文发现 LLM-based 推荐器（LLMRec）在跨域序列推荐（CDSR）里比 ID-based 推荐器（IDRec）负迁移更严重，根因是 LLM 只建模 item 文本的 subtoken 级自回归模式、丢掉了 item 级协同信号；DuELRec 在冻结 LLM 骨干之上挂两个 transformer 专家（同域 / 跨域两种块级因果掩码），用 item 级门控自适应融合，并配一个单域+跨域双池负采样的 token-to-item 对比学习目标，把协同信号灌回 LLM。十个域、26 个 baseline 全面验证，并在 SK Telecom 个人助手 App 上线，CTR 0.90% → 1.33%（相对 +47.6%，$p<0.01$）。

研究动机与背景¶

CDSR 的两条技术路线¶

真实推荐系统里，不同业务域（电商、短视频、通话、导航……）需要对用户的多样兴趣做差异化理解。Cross-Domain Sequential Recommendation（CDSR） 用用户跨多个域的历史交互序列预测下一个交互 item，让一个模型就能泛化到用户的多种上下文，避免为每个域各建一个 SDSR（Single-Domain Sequential Recommendation）模型。

CDSR 有两类代表性做法：

1. IDRec：把 item 转成整数 ID 并建 embedding 表（CGRec、SyNCRec 等）。ID 只是索引，不含语义信息；新域/新 item 通常需要从头重训。
2. LLMRec：把 item 转成文本表示喂进 LLM，生成或检索推荐 item 的文本描述（UniSRec、RecFormer、Lite-LLMRec 等）。LLMRec 能吸收 item 文本特征与 LLM 的开放世界知识，天然可扩展到新域，在冷启动和跨域场景表现有潜力。

论文指认的结构性瓶颈¶

论文把 LLMRec 在 CDSR 上的失败拆成两层：

1. LLMRec 抓不住 item 级协同信号——即跨域序列中 item 与 item、user 与 item 之间的共现模式。这类模型优先建模 item 标题/描述中 subtoken 的自回归模式，重度依赖文本信息，而不像 IDRec 那样直接建模序列化的 item 模式。
2. 错位信号的迁移在 CDSR 中格外有害。CDSR 天生鼓励域间知识交换，于是"未能准确反映 item 级协同信号的自回归 subtoken 模式"会跨域产生有害干扰，导致所有域的性能一起退化——这就是 negative transfer（负迁移）。用论文自己的话说：负迁移是这种有害干扰的直接后果。

一张图坐实的实证证据¶

作者做了一个干净的对照实验：在 Amazon 上比较「只用 Books 训练」与「Books + 另一个域联合训练」的性能差。

四个配对（Books+Jewelry / +Toys / +Outdoors / +Games）、三个指标（Hit@1、NDCG@5、NDCG@10）上，LLMRec（SAID、CALRec）的退化幅度明显大于 IDRec（CGRec、SyNCRec）。这直接支撑了论文的核心论断：LLMRec 因为无法准确捕捉 item 级协同信号，在跨域联合训练时迁移的是"错位的知识"。

论文自陈的定位¶

作者声称 DuELRec 是第一个纯文本、ID-free、且能同时处理三个以上域的 LLM-based CDSR：既往工作通常同时用 ID 和文本特征，且局限在两两配对的双域设定。因此 DuELRec 不需要为每个域各配一套 ID 编码查找表和域专属模型，单模型即可服务跨域应用。

问题定义与符号¶

Definition 1（Cross-Domain）：域集合 $\mathcal{D} = \{A, B, C, \dots\}$，且 $|\mathcal{D}| \ge 3$。域 $d \in \mathcal{D}$ 内的 item 集合记为 $\mathcal{V}_d$，全域 item 集合 $\mathcal{V} = \cup_{d \in \mathcal{D}} \mathcal{V}_d$。因为本方法是在预定义候选集 $\mathcal{V}$ 上按相似度检索，所以规避了生成式 LLM 推荐常见的幻觉问题（附录 H 有专门讨论）。

Definition 2（Cross-Domain Sequence）：按时间序排列的跨域序列 $X = \{x_1^C, x_2^A, \dots, x_n^B\}$，$n$ 为序列长度。每个 item $x$ 有 title、description、域名等属性，把这些描述文本拼接起来作为 $x$ 的文本表示（例如 iron man - action movie）。

Problem Statement：给定截至时刻 $t$ 的历史跨域序列 $X_{1:t}$，预测下一个 item $x_{t+1}^d$：

$$\arg\max_{x_{t+1}^d \in \mathcal{V}_d} P\left(x_{t+1}^d \mid X_{1:t}\right) \tag{1}$$

其中 $P(x_{t+1}^d \mid X_{1:t})$ 表示在给定 item 序列 $X_{1:t}$ 下，域 $d$ 内目标 item $x_{t+1}^d$ 被交互的似然。

核心方法：DuELRec¶

整体由七块组成：(a) LLM Tokenizer、(b) LLM Backbone、(c) 辅助任务 Instruction-Tuning、(d) Domain-Gated Dual Sequential Encoder、(e) 主任务 Next Item Prediction、(f) 单域&跨域负采样器、(g) Token-to-Item Encoder。

1. LLM Tokenizer（Fig. 2a）¶

模型输入是跨域用户序列 $X$ 的文本表示，喂进 tokenizer $\mathcal{I}$ 得到 subtoken 级序列：

$$S = \mathcal{I}(X) = \{(s_1, \dots, s_{l_{x_1}})_1^C, (s_1, \dots, s_{l_{x_2}})_2^A, \dots, (s_1, \dots, s_{l_{x_n}})_n^B\} \tag{2}$$

其中 $l_x$ 是 item $x$ 被切出的 subtoken 数，subtoken 序列总长 $L = \sum_{i=1}^{n} l_{x_i}$。再过 embedding 层得到 $\mathbf{E} \in \mathbb{R}^{L \times m}$：

$$\mathbf{E} = \mathrm{emb}(S) = \{(e_1, \dots, e_{l_{x_1}})_1^C, \dots, (e_1, \dots, e_{l_{x_n}})_n^B\} \tag{3}$$

$m$ 是 embedding 维度。Fig. 2 的例子里，4 个 item（iron man movies / vegetarian books / the dragon ball games / harry potter books）被切成 $L=17$ 个 subtoken——这个 17 : 4 的比例正是问题的量化形态：LLM 在 17 个 subtoken 上做自回归，而推荐目标定义在 4 个 item 上。

2. LLM Backbone（Fig. 2b）¶

$$\mathbf{H} = \mathrm{LLM}(\mathbf{E}) = \{(h_1, \dots, h_{l_{x_1}})_1^C, \dots, (h_1, \dots, h_{l_{x_n}})_n^B\} \tag{4}$$

$\mathrm{LLM}$ 指输出投影层（LM head）之前的骨干，$\mathbf{H} \in \mathbb{R}^{L \times m}$。

3. Instruction-Tuning（辅助任务，Fig. 2c）¶

这一步的目标不是让 LLM 生成推荐 item，而是让 LLM 的表征空间围绕 user-item 交互模式重新组织。用 Alpaca 模板 + PEFT（LoRA）做指令微调：

$$\mathcal{L}_{inst}(\theta, \Phi) = -\frac{1}{L} \sum_{i=1}^{L} \log P_{\theta, \Phi}(s_{i+1} \mid s_{<i+1}), \quad P_{\theta,\Phi}(s_{i+1} \mid s_{<i+1}) = \mathrm{softmax}\,\mathrm{LM\ head}(h_{i+1}) \tag{5}$$

$\theta$ 是被冻结的骨干参数，$\Phi$ 是 PEFT 引入的参数（如 LoRA 的低秩矩阵）。指令模板形如「### instruction: Predict the next purchase items based on following user interaction. ### input: kill bill movies → lord of the rings books ### Response: …」。作者强调：指令微调后的 LLM 不只是文本编码器，而是一个任务适配过的组件，对最终推荐性能有实质贡献（§5.7 验证）。

4. Domain-Gated Dual Experts（Fig. 2d）——本文核心¶

作者的出发点：像既往 LLMRec 那样只让 LLM 学 subtoken 级序列模式，不足以捕捉 item 级共现。于是在 LLM 骨干之上加一个 transformer-based 专家模块。

4.1 Item-Aware Attention Transformation¶

关键洞察对齐了两种协同信号的性质差异：

• 单域序列的协同信号反映该域的纯粹特性，不受其他域干扰，因此不会经历负迁移——但也放弃了跨域正迁移的潜在收益；
• 跨域序列的协同信号同时被正迁移和负迁移影响。

所以最优用法是同时利用两种信号。为此构造两个 transformer 专家，各自施加不同的 item-aware attention transformation：

• 单域因果掩码 $\mathbf{M}_s$（Fig. 3a）：item 级注意力只在同域 item 之间做因果连接；item 内部所有 subtoken 之间全连接（每个 subtoken 可以 attend 到同 item 的任意 subtoken）。
• 跨域因果掩码 $\mathbf{M}_c$（Fig. 3b）：注意力施加到所有 item，但仍是 item 级因果，保证跨域的时序依赖被保留。

Fig. 3 的例子（Harry potter/Book → x-men/Movie → king's man/Book → Lings/Movie）清楚展示了两个掩码的差别：$\mathbf{M}_s$ 里 x-men 只能看到 Movie 域的历史，$\mathbf{M}_c$ 里它能看到所有更早的 item。这里的设计要点是：掩码是"块级（block-level）"的，块的边界由 item 而非 token 决定——这就是把 LLM 的注意力范围从 token 粒度强行对齐到推荐目标的 item 粒度。

两个专家分别吃 $\mathbf{H}$ 和对应掩码：

$$ \begin{aligned} \mathbf{U}_s &= \mathrm{EXPERT}_s(\mathbf{H}, \mathbf{M}_s) = \{(u_1, \dots, u_{l_{x_1}})_1^C, \dots, (u_1, \dots, u_{l_{x_n}})_n^B\}_s \\ \mathbf{U}_c &= \mathrm{EXPERT}_c(\mathbf{H}, \mathbf{M}_c) = \{(u_1, \dots, u_{l_{x_1}})_1^C, \dots, (u_1, \dots, u_{l_{x_n}})_n^B\}_c \end{aligned} \tag{6} $$

$\mathbf{U}_s, \mathbf{U}_c \in \mathbb{R}^{L \times m}$。取每个 item 的最后一个 subtoken 表征作为该 item 的 item 级表征（它同时携带了该 item 的语义信息与协同信号），得到 $\mathbf{V}_s, \mathbf{V}_c \in \mathbb{R}^{n \times m}$：

$$ \begin{aligned} \mathbf{V}_s &= \{(u_{l_{x_1}})_1^C, (u_{l_{x_2}})_2^A, \dots, (u_{l_{x_n}})_n^B\}_s \\ \mathbf{V}_c &= \{(u_{l_{x_1}})_1^C, (u_{l_{x_2}})_2^A, \dots, (u_{l_{x_n}})_n^B\}_c \end{aligned} \tag{7} $$

序列长度在这一步从 $L$ 降到 $n$——这个降维后面在时间复杂度分析里成为效率优势的来源之一。

4.2 Item-Wise Gating Network¶

门控网络 $g$ 在 item 粒度上计算 $\mathbf{V}_s$ 与 $\mathbf{V}_c$ 的最优加权，让模型用单域信号去调节、抑制跨域交互带来的负迁移：

$$ \begin{aligned} \mathbf{V}_{mixed} &= g([\mathbf{V}_s + \mathbf{V}_c])[:, 0]\,\mathbf{V}_s + g([\mathbf{V}_s + \mathbf{V}_c])[:, 1]\,\mathbf{V}_c \\ &= \{(u_{l_{x_1}})_1^C, (u_{l_{x_2}})_2^A, \dots, (u_{l_{x_n}})_n^B\}_{mixed} \\ g(\mathbf{Y}) &= \mathrm{softmax}\,W_1\mathbf{Y} + \left(\mathrm{StdNorm} * \mathrm{SoftPlus}(W_2\mathbf{Y})\right) \end{aligned} \tag{8} $$

其中 $\mathrm{StdNorm}$ 是标准正态噪声（沿用 Shazeer 等的 sparsely-gated MoE 里的 noisy gating），$\mathrm{SoftPlus}$ 是激活函数，$W_1, W_2 \in \mathbb{R}^{m \times 2}$ 是可训练全连接层。门控输出形状为 $\mathbb{R}^{n \times 2}$，逐 item 平衡 $\mathbf{V}_s$ 与 $\mathbf{V}_c$。

4.3 门控为什么能压住负迁移：偏差-方差分解¶

论文给了一个简短但完整的理论论证。设 $\mathbf{s}_i$ 为 item 的真实表征：

• 单域专家给出无偏估计 $\mathbf{v}_i^s = \mathbf{s}_i + \boldsymbol{\varepsilon}_i^s$，方差 $\sigma_s^2$；
• 跨域专家的输出受负迁移影响，$\mathbf{v}_i^c = \mathbf{s}_i + \mathbf{b}_i + \boldsymbol{\varepsilon}_i^c$，其中 $\mathbf{b}_i$ 是跨域干扰项（bias），噪声方差 $\sigma_c^2$。

混合表征 $\mathbf{v}_i^{mixed} = g_i \mathbf{v}_i^s + (1-g_i)\mathbf{v}_i^c$ 的期望平方误差：

$$\mathbb{E}\left[\|\mathbf{v}_i^{mixed} - \mathbf{s}_i\|^2\right] = g_i^2\sigma_s^2 + (1-g_i)^2\left(\|\mathbf{b}_i\|^2 + \sigma_c^2\right) \tag{9}$$

令 $A_i := \|\mathbf{b}_i\|^2 + \sigma_c^2$，$f(g_i) := g_i^2\sigma_s^2 + (1-g_i)^2 A_i$。由 $\frac{d^2 f}{d g_i^2} = 2(\sigma_s^2 + A_i) > 0$，$f$ 严格凸，唯一极小点：

$$g_i^\star = \frac{\|\mathbf{b}_i\|^2 + \sigma_c^2}{\sigma_s^2 + \|\mathbf{b}_i\|^2 + \sigma_c^2} \tag{10}$$

$$g_i^\star \begin{cases} < 0.5, & \text{若 } \|\mathbf{b}_i\|^2 + \sigma_c^2 < \sigma_s^2 \quad (\text{偏好跨域专家}) \\ > 0.5, & \text{若 } \|\mathbf{b}_i\|^2 + \sigma_c^2 > \sigma_s^2 \quad (\text{偏好单域专家}) \end{cases} \tag{11}$$

物理含义：门控自动依据"跨域干扰的偏差 + 噪声"相对"单域方差"的大小，把权重挪向更可靠的那个专家。当跨域专家的偏差-方差组合过大（负迁移严重）时，最优权重自然偏向单域专家。这个结论后面被 Fig. 4 的实测门控权重直接验证。

5. Dual-Sampling Token-to-Item Contrastive Learning（主任务，Fig. 2e）¶

除了识别相似 item 之间的关联，还要建模不相似 item 之间的对比。作者用 pairwise ranking loss（BPR 式）在跨域序列 $X_{1:n}$ 及其期望的下一个 item $x_{n+1}^d$ 上优化：

$$q_t = \log\sigma\left(P(x_{t+1}^d = x^+ \mid X_{1:t}) - P(x_{t+1}^d = x^- \mid X_{1:t})\right), \quad \mathcal{L}_{nip} = \sum_{t=1}^{n} q_t \tag{12}$$

$\sigma$ 是 sigmoid，$x^+$ 是 ground-truth item，$x^-$ 是从 item 词表中采的负样本。

5.1 Token-to-Item Embedding Encoder（Fig. 2g）¶

$$P(x_{t+1}^d = x \mid X_{1:t}) = \sigma\left(u_{l_{x_t}}^{\mathsf{T}} \cdot \mathrm{ItemEmb}(x)\right) \tag{13}$$

其中 $u_{l_{x_t}}$ 是截至 $t$ 时刻的序列表征（式 8 的输出），$\mathrm{ItemEmb}(x)$ 是 item 级 embedding，取 LLM 骨干对该 item subtoken 序列的最后一个表征：

$$\mathrm{ItemEmb}(x) = \mathrm{LLM}([s_1, \dots, s_{l_x}])_{l_x} \tag{14}$$

它可以与 §2 的 LLM 共享；也可以换成一个独立的可训练层（如全连接层）。这一步是"token-to-item"的字面含义：把 token 级的 item 文本编码压成 item 级向量，让对比学习的对象从 token 变成 item。

5.2 Stochastic Single- and Cross-Domain Negative Sampler（Fig. 2f）¶

既往 CDSR 工作（C2DSR、BERT4Rec 等）通常只从 ground-truth item 所在的同一个域随机采负样本。作者把采样范围扩展到跨域：

$$x^- \sim \begin{cases} \mathcal{U}(\mathcal{V}_d), & \text{若 } \alpha > p \\ \mathcal{U}(\mathcal{V} \setminus \mathcal{V}_d), & \text{若 } \alpha \le p \end{cases} \tag{15}$$

$\mathcal{U}(S)$ 表示集合 $S$ 上的均匀分布，$p$ 是控制跨域采样比例的超参，$\alpha$ 是均匀随机数。$p$ 越大跨域负样本越多。既往研究相当于 $p = 0$ 的特例，而实测这一设定性能最差。这个设计让模型不仅学到域内协同信号，还学会在表征空间里区分"同域 item"与"跨域 item"。

6. 训练与推理¶

总损失是两个任务的调和：

$$\mathcal{L} = \eta\,\mathcal{L}_{inst} + (1 - \eta)\,\mathcal{L}_{nip} \tag{16}$$

$\eta$ 是调和因子。推理时只用序列的最后一个表征 $u_{l_{x_n}}^{mixed}$，在目标域 item 集合内取分数最高者：

$$\arg\max_{x^d \in \mathcal{V}_d} \left(u_{l_{x_n}}^{mixed}\right)^{\mathsf{T}} \cdot \mathrm{ItemEmb}(x^d) \tag{17}$$

线上推理与部署流程（附录 C，Fig. 9）：

① 客户端带 user_id 等变量向服务端发请求 → ② 服务端把该用户的跨域序列数据喂进模型生成 user embedding → ③ user embedding 取自模型输出序列的最后一个 embedding → ④ 与预先计算好并存入向量数据库的 item embedding 集合（由 LLM 骨干按式 14 算出）做相似度计算，取 top-$N$ → ⑤ 推荐结果回传客户端。item embedding 离线预计算 + 向量库检索是这套方案能满足线上时延约束的关键工程选择。

实验设置¶

数据集¶

1. Amazon Review Dataset：五个域——Books、Video and Games（Games）、Clothing Shoes and Jewelry（Jewelry）、Sports and Outdoors（Outdoors）、Toys and Games（Toys）。
2. Telco Behavior Dataset：自有数据集，来自一家全球领先电信公司管理的多个真实 App 的用户日志（仅包含同意采集与分析的客户），五个域——网页浏览历史（Web-View）、通话记录（Call-Log）、导航 PoI 搜索历史（PoI）、订户权益计划（Benefits）、电商购买历史（Shopping）。

两个数据集的域特性差异极大：Amazon 极稀疏（≥99.97%）且 item 量大，Telco 相对稠密（92%–99.6%）但 item 量小（Benefits 只有 72 个 item）。

Baseline（26 个）¶

分三类：

• IDRec-SDSR（9 个）：GRU4Rec、SASRec、BERT4Rec、S3Rec、NextItNet、SINE、STAMP、TransRec、LightSANs
• IDRec-CDR/CDSR（8 个）：BiTGCF、DTCDR、CMF、CLFM、DeepAPF、MoSE、CGRec、SyNCRec
• LLMRec（9 个）：UniSRec、E4SRec、HLLM、RecFormer、SAID、CALRec、ReLLa、Lite-LLMRec、LLMEmb

其中 CGRec 与 SyNCRec 是能同时学三个及以上域的 all-in-one CDSR 先驱（也正是本文通讯作者 Chung Park 此前的工作）；MAN、C2DSR、$\pi$-Net、MIFN 只能处理两两配对，因此单列在附录 Table 7/8。成对型 CDR/CDSR baseline（BiTGCF、CMF、DTCDR、DeepAPF）在主表中报告的是「该目标域与其余四个域两两配对后的平均性能」。

评估协议¶

leave-one-out：每条用户序列的最后一个 item 作测试、倒数第二个作验证、其余作训练；按测试 item 所属域分别评估。由于 item 量大，采用常见做法——把 ground-truth item 与 99 个用户从未交互过的随机负样本配成候选集。指标为 HR、NDCG、MRR。

实现细节¶

• LLM 骨干：TinyLlama-1.1B（论文明确说是为了满足大规模真实推荐服务的严格效率要求）。hidden size 2048、context length 4096、32 heads、22 层、词表 32000。
• 双专家：hidden size 2048、16 heads、2 层（相比 22 层骨干非常轻）。
• 超参：$p = 0.4$，$\eta = 0.5$。
• 训练：AdamW，batch size 4，25 epochs，4× NVIDIA A100 40GB。
• 公平性：所有 LLMRec baseline 都用同一个 TinyLlama-1.1B 骨干，context length / batch size / optimizer 全部对齐。

主要实验结果（RQ1）¶

Amazon（Table 2）¶

HR@5

NDCG@10

MRR@10

HR@10 与 NDCG@5 两列因表宽省略，完整数值已录入 benchmark 记录，并可对照 Table 2 原图。

结论分析（why）：DuELRec 在 HR@5 上相对次优 baseline的提升为 Books +3.81%、Jewelry +20.6%、Outdoors +1.70%、Toys +10.8%。提升最大的两个域（Jewelry +20.6%、Toys +10.8%）恰好是 Fig. 1 里负迁移最严重、且 item 量最大/最稀疏的域——这与「门控在负迁移严重的域上把权重挪向单域专家」的机制解释一致。

唯一的失手在 Games 域：RecFormer 以 HR@5 0.682 领先，DuELRec 只有 0.609，甚至落后于 E4SRec（0.668）、Lite-LLMRec（0.661）、SINE（0.661）、LLMEmb（0.654）。论文对此的解释是"虽在 Games 未超过最优 baseline，但跨大多数域一致更优"。值得注意的是，Games 是 Amazon 五个域中 item 数最少（29,013）、稠密度最高的域——在这种域上跨域信息的边际价值最低，而 DuELRec 的门控为了压制负迁移会牺牲一部分跨域收益。反过来看，RecFormer、E4SRec 这些在 Games 上领先的 LLMRec，在 Books 上分别只有 0.136 和 0.159（远低于最简单的 GRU4Rec 的 0.257）——这些 baseline 是"在某些域极强、在另一些域崩塌"，而 DuELRec 是"跨域一致稳"。论文明确把这一点当作核心卖点。

Telco（Table 3）¶

HR@5

NDCG@10

MRR@10

结论分析（why）：Telco 上 HR@5 相对次优 baseline 的提升是 Web-View +0.11%、Call-Log +4.33%、PoI +1.10%、Benefits +1.33%、Shopping +2.92%。Web-View 的 +0.11% 几乎等于打平——这个域最稠密（96.01% 稀疏度，3670 万交互），HR@5 已经被所有强 baseline 顶到 0.94~0.95 的天花板，几乎没有提升空间。真正拉开差距的是 Call-Log（+4.33%）与 Shopping（+2.92%）这两个稀疏、且从 Table 4 看负迁移最严重的域。

一个诚实的观察：在 NDCG@10 / MRR@10 上，DuELRec 在 Web-View 与 Benefits 两个域并非最优（Web-View NDCG@10 0.858 < SyNCRec/DeepAPF 的 0.867；Benefits MRR@10 0.681 < DeepAPF 的 0.726、CLFM 的 0.702）。也就是说"全面超越 26 个 baseline"这个宣称在指标粒度上并不严格成立，更准确的说法是"在 HR@5 上全域最优，在 NDCG/MRR 上多数域最优"。

负迁移的定量分析（RQ2）¶

作者定义负迁移的度量方式是：② 用跨域序列训练的 CDSR 模型 − ① 只用单域序列训练的 SDSR 模型（SASRec），若差值为负说明"跨域训练反而伤害了该域"。

Table 4：CDSR 模型相对单域 SASRec 的性能增益（%）（Amazon: B=Books, G=Games, J=Jewelry, O=Outdoors, T=Toys；Telco: W=Web-View, C=Call-Log, P=PoI, B=Benefits, S=Shopping）

结论分析（why）：

1. 除本文外的所有 IDRec 和 LLMRec 在大多数域上都跑输单域 SASRec——这是负迁移的直接证据，也说明"多域联合训练"在 CDSR 里绝不是免费午餐。
2. LLMRec 的负迁移比 IDRec 更剧烈：ReLLa 在 Call-Log 上 HR@5 掉 51.8%、NDCG@5 掉 66.3%；CALRec 在 Books 上 HR@5 掉 38.8%、Shopping 掉 53.5%。相比之下 CGRec/SyNCRec 这类专门设计过负迁移抑制的 IDRec 退化温和得多。
3. DuELRec 在 HR@5 上十个域全部为正，且在其他模型翻车最严重的 Jewelry（+10.2%）、Call-Log（+1.10%）、Shopping（+14.7%）上都实现了逆转。论文特意点名：Jewelry 与 Call-Log 上有六个 baseline HR@5 为负，Shopping 上有五个。
4. 一个论文没有明说的例外：DuELRec 在 Call-Log 的 NDCG@5（−5.40%）与 MRR@10（−6.30%）仍为负。也就是"in all domains 都缓解了负迁移"的措辞只在 HR@5 口径下严格成立；在排序质量口径下，Call-Log 域的负迁移只是被大幅缩小（ReLLa −66.3% → 本文 −5.40%）而非消除。

门控权重的实测行为¶

Fig. 4 展示了训练好的模型在测试集上预测两个代表性域的 item 时，如何在单域/跨域专家之间分配门控权重：

• Jewelry（负迁移显著的域）：模型强烈偏向单域专家；
• Web-Hist（Web-View）：模型分配了相当大的权重给跨域专家，说明它有效利用了跨域知识。

这正是式 (10)(11) 理论预测的行为落地：跨域干扰大 → $g^\star > 0.5$ 偏单域；跨域干扰小 → 偏跨域。这是全文最有说服力的一处"理论—机制—实证"闭环。

冷启动场景（RQ3）¶

冷/热 item¶

沿用 Kim 等（A-LLMRec）的定义：cold item = 交互频次最低的 10%（Amazon）或 30%（Telco），其余为 warm item；按 ground-truth item 是冷是热分别评估。

观察到的普遍规律是：LLMRec 在 warm item 上不如 IDRec，在 cold item 上强于 IDRec——因为 warm 场景下交互丰富，传统协同过滤（IDRec）更占优，而 LLMRec 过度依赖文本信息。

而 DuELRec 在 cold item 与 warm item 上都超过 IDRec。论文把这归因于模型成功捕捉了 item 级协同信号，从而弥补了 LLMRec 在 warm 场景的固有短板。这一点意义重大：它意味着 LLMRec 路线不必在"冷启动能力"和"热门场景精度"之间二选一。全域结果见附录 F（Fig. 11）。

冷用户¶

cold user = 全体用户交互长度分布最低的 1%；模型只在其余用户上训练，在冷用户子集上评估。DuELRec 跨域一致优于 IDRec，在协同知识稀疏、冷用户表现受限的域上增益尤其明显。原因是 LLM 能捕捉语义层面的用户特征，在协同信号不足时仍可给出有效表征。全域结果见附录 F（Fig. 12）。

消融与分析（RQ4）¶

Table 5：各变体相对完整模型的 MRR 变化（%）

五个变体的定义：

• (A) w/o Dual-Expert（DGDE）：把 Domain-Gated Dual Sequential Experts 换成普通 transformer。缺了 DGDE 意味着 LLM 无法捕捉 item 级协同信号。
• (B) w/o Single-Expert（SE）：DGDE 里只保留跨域专家，模型被迫只靠跨域信息，无法捕捉域专属序列模式。
• (C) w/o Cross-Expert（CE）：只保留单域专家，能捕捉域专属模式但无法利用跨域信息。
• (D) w/o SSCN：把单/跨域随机负采样器换成普通均匀分布负采样器。
• (E) w/ IDEmb：去掉 LLM 骨干，把文本输入换成 ID 输入。

结论分析（why）：

1. (A) 与 (D) 的退化最剧烈（Call-Log −49.0% / −53.3%，Shopping −36.4% / −41.5%，Jewelry −22.2% / −35.4%），说明 DGDE 与 SSCN 是两根真正的支柱。二者的退化模式高度重合（都在 Jewelry/Call-Log/Shopping 上最惨），而这三个域恰是 Table 4 里负迁移最严重的域——这从侧面印证：这两个模块的作用机制确实是"抑制负迁移"，而不是泛泛地提升表达力。
2. (B) vs (C) 的不对称非常有信息量：去掉单域专家（B）平均掉 5.7%，去掉跨域专家（C）平均只掉 1.3%，且在 Jewelry（+0.94%）和 PoI（+1.03%）上甚至微涨。这说明单域专家是主力、跨域专家是增益项——与论文"用单域信号调节跨域噪声"的叙事一致，但也暴露了一个事实：跨域信息本身贡献有限，DuELRec 的收益更多来自"把 item 级协同信号找回来"而不是"更好地做跨域迁移"。
3. (E) w/ IDEmb 在少数域反而更好（Games +3.01%、Outdoors +0.56%、Benefits +17.6%），但在 Shopping 上崩到 −233.6%。论文的结论是：尽管个别域有边际收益，整体明显更差，从而支持 ID-free 设计在性能、冷启动处理与部署简洁性上的优势。（Benefits 域只有 72 个 item，ID embedding 在这种极小 item 空间上表现好是可预期的。）

Instruction-Tuning 的作用¶

对比有无辅助任务 $\mathcal{L}_{inst}$，PEFT 指令微调在 Games 与 Call-Log 上都带来显著提升，说明让 LLM 从用户行为日志里学习确实能提高推荐性能。全域结果见附录 G（Fig. 13）。

敏感性分析（RQ5）¶

$p$ 控制对比学习中跨域负样本的比例，以 0.1 为步长从 0 扫到 0.5：

• $p = 0$（负样本全部同域，即既往研究的常规设定）性能明显最低；
• 引入跨域负样本（$p > 0$）一致提升精度与鲁棒性，且增益随 $p$ 增大更加明显。

论文的解释是：模型有效压制了负迁移，转而利用跨域曝光去放大正迁移。附录 E（Fig. 10）给出全域结果，并诚实地指出 Call-Log 与 Shopping 两个域没有呈现清晰的上升趋势，其余域则是稳健的上升模式。注意扫描上界只到 0.5，没有探到拐点，最终部署取 $p = 0.4$。

时间复杂度分析（RQ6）¶

理论分析¶

记 $L$ 为 subtoken 序列长度、$n$ 为 item 级序列长度、$d$ 为隐藏维度、$H_{\text{LLM}}$ 与 $H_{\text{EXP}}$ 分别为 LLM 骨干与每个专家的层数、$K$ 为训练期负样本数、$N$ 为推理期候选 item 数。

• 训练：冻结 LLM 骨干处理长度 $L$ 的序列 $O(H_{\text{LLM}}L^2 d)$ + 两个浅专家 $O(2H_{\text{EXP}}L^2 d)$ + 门控 $O(nd)$ + 对比损失 $O(Kd)$，合计 $O\!\left(L^2 d(H_{\text{LLM}} + 2H_{\text{EXP}}) + Kd\right)$。
• 推理：对比步换成 $N$ 个候选上的相似度计算 $O(Nd)$，合计 $O\!\left(L^2 d(H_{\text{LLM}} + 2H_{\text{EXP}}) + Nd\right)$。

实测¶

• 对比 ID-based 模型（如 SyNCRec）：训练慢 1.67×、推理慢 2.29×；但换来的是新 item 无需重训与更优的跨域性能。
• 对比 LLM-based 模型（如 RecFormer）：训练快 1.16×、推理快 3.19×。

效率优势来自三个设计选择：

1. 无论多少个域都只用两个专家——不像 SyNCRec 每域一个专家，也不像 BiTGCF/CMF 需要建模全部 $\binom{|\mathcal{D}|}{2}$ 个域对；
2. LLM 骨干之后序列长度从 $L$ 降到 $n$，使对比学习比直接在 $L$ 上操作的 LLMRec 更高效；
3. 单阶段训练流水线，不像 RecFormer 和 SAID 需要 pre-training + finetuning 两阶段。

第 1 点尤其关键：它是 DuELRec 能声称"支持三个以上域"的结构性理由——专家数与域数解耦。

线上 A/B 实验（RQ7）——工业落地¶

模型部署在一家主要电信公司的个人助手 App（结合致谢与作者单位可确认为 SK Telecom），通过大规模线上 A/B 测试评估，时间跨度为 2025 年 1 月至 3 月。

工程适配：为满足时延容忍度等业务约束，实现了一个裁剪定制版的模型，训练数据为约 500 万用户、跨 14 个域（含 App 的目标域）的序列交互日志。任务是基于每个用户的完整跨域交互历史，在目标域内推荐 Top-1 的下一个 item。

流量在整个评估期内按固定 45 : 35 : 20 随机切分给三个桶：popularity 基线、SASRec 变体、本文模型。主指标为 CTR（点击数 / 曝光数）。

Table 6：线上 A/B 结果

双尾双比例 z 检验确认两处提升均高度显著（$p < 0.01$）。相对 SASRec 变体的 CTR 相对提升为 (1.33−0.90)/0.90 = +47.6%，相对 popularity 基线为 +111%。

结论分析（why）：

• 这是真实生产部署而非"公司署名的离线实验"：三桶流量分配、3 个月周期、3500 万+ 曝光量、显著性检验、以及逐调用时延都被披露。
• 时延代价是诚实的：242 ms/call 是 SASRec 变体（105 ms）的 2.3×、popularity（50 ms）的 4.8×。论文声称该时延"适合生产环境"——这只有在 item embedding 离线预计算 + 向量库检索（附录 C）的架构下才成立。
• 一处需要留意的不一致：宣称流量按 45 : 35 : 20 切分，但实际曝光量比例是 16.31 : 13.95 : 5.66 ≈ 45.6 : 39.0 : 15.8。曝光量不等于流量份额（不同模型的曝光频次可能不同），论文没有解释这个偏差。此外本文桶的曝光量最小（5.66M），统计功效相对较弱，尽管 75K 点击量已足以支撑 $p<0.01$。

附录中的补充实验¶

两两配对 baseline 的完整结果（附录 D）¶

Table 7/8 给出主表中被平均掉的每个域对的明细。主要观察：

• CDR baseline：Amazon 上以 Games 为源域普遍能提升 Books 目标域；Toys→Games、Games→Outdoors 也是好组合。Telco 上 Web-View↔Benefits、Benefits↔Shopping 组合最优。
• CDSR baseline：Amazon 上 Books←Jewelry、Outdoors←Jewelry 一致产出高性能；Telco 上 Web-View←Call-Log、Benefits←Web-View 表现强劲。

这组结果的价值在于：它显式说明了域对之间的迁移关系是高度不对称、且强依赖具体组合的——这恰是"用固定的两两配对模型做多域推荐"不可扩展的原因，也是 DuELRec 用一套门控自适应处理所有域的动机。

检索式 vs 生成式（附录 H）¶

LLMRec 有两条路线：(1) 检索式——从预定义 item 集合中推荐，天然免疫幻觉，适合大规模 item 池；(2) 生成式——LLM 直接生成推荐 item 的标题/描述，候选集通常较小（约 100 个）并显式写进 prompt，有幻觉风险但对构建个性化推荐 agent 有吸引力。本文及全部 baseline 都是检索式。

作者拿代表性生成式模型 A-LLMRec 做了对照（同样是 1 正 + 99 负的候选集）：

（— 表示因算力受限未评估，或因生成式 LLMRec 的幻觉等问题性能过低。）

生成式路线全面落后，但作者认为它"在带有幻觉风险的前提下仍展现了合理的有效性"，并把它列为未来工作方向。

核心贡献总结¶

1. 诊断：首次用受控实验证明 LLMRec 在 CDSR 上的负迁移比 IDRec 更严重，并把根因定位到 token 级自回归模式压过 item 级协同信号这一粒度错位，而不是笼统归咎于"域间分布差异"。
2. Item-Aware Attention Transformation：把 LLM 的注意力掩码从 token 级重构为 item 级块状因果掩码，并派生出单域/跨域两种注意力范围。这是一个非常轻的改动（只改 mask，不改骨干），却把"LLM 的建模粒度"与"推荐任务的目标粒度"对齐了。
3. 域门控双专家 + 偏差-方差理论：用一个 item 级门控在两个专家间自适应加权，并给出严格凸优化下的最优门控闭式解 (10)，把"何时该信跨域信号"从启发式变成有理论刻画的量。Fig. 4 的实测权重与理论预测吻合。
4. 双采样 token-to-item 对比学习：把负采样从单域池扩展到跨域池（超参 $p$），让模型在表征空间里学会区分同域与跨域 item。消融显示这是与双专家并列的第二根支柱。
5. ID-free 且专家数与域数解耦：单模型服务十个域（线上版本 14 个域），无需为每个域维护 ID embedding 表，也无需建模 $O(|\mathcal{D}|^2)$ 个域对。
6. 真实工业验证：SK Telecom 个人助手 App 上 3 个月线上 A/B，CTR +47.6%（$p<0.01$），并披露了裁剪部署方案与逐调用时延。

与已归档相关工作的对比¶

RGCD-Rep RGCD-Rep: Reasoning-Guided Cross-Domain Representation Learning（Kuaishou, 2026-06-03）¶

关系：独立并发（本文未引用 RGCD-Rep，两者殊途同归）· 已加载对方精读

• 共同关注的问题：两篇论文对负迁移的根因判断几乎逐字相同。RGCD-Rep 的 Ch3 写道"CDR 中跨域兴趣并不总是一致，直接聚合两个域的领域特有信息会导致负迁移"；DuELRec 则说"跨域序列的协同信号同时被正/负迁移影响，单域序列的信号则不受干扰"。两者都拒绝"把跨域信号无差别混进来"这一默认做法，并且都把 LLM/MLLM 引入跨域推荐后语义信号与协同/行为信号之间的错配当作首要矛盾。
• 相近的技术骨架：两者都把表征显式拆成"可安全共享的部分"与"会带来干扰的部分"，再用一个学出来的加权装置决定二者的混合比例。RGCD-Rep 的 transferable-residual query-aware aggregation 把 item 表征解耦为可迁移分量与领域残差分量，用 transferable routing + routing loss 建模 pair 级迁移强度；DuELRec 把序列建模解耦为单域专家（纯净、无跨域干扰）与跨域专家（携带迁移信号），用 item 级 gating network 逐 item 加权。抽象成流程图，两者都是"双分支解耦 → 学习式路由/门控 → 隔离引发负迁移的域特有信息"。
• 本文的差异与推进：切入层次不同。RGCD-Rep 在 item 内容表征层面做解耦（靠 MLLM 对多模态内容的推理来判断可迁移性），DuELRec 在 序列注意力范围层面做解耦（靠块级因果掩码限定 attend 的域范围）。因此 DuELRec 的解耦是结构性的、零额外语义标注成本，而 RGCD-Rep 需要一个冻结教师 MLLM 生成结构化推理再蒸馏。另一处推进是域数：RGCD-Rep 是标准的源域→目标域二元设定（短视频→直播），DuELRec 明确要求 $|\mathcal{D}| \ge 3$ 并实测十个域，且专家数不随域数增长。反过来 RGCD-Rep 更强的地方是它给出了"为什么这两个 item 可迁移"的可解释推理，DuELRec 的门控只是一个标量权重。
• 可比的方法/实验差异：RGCD-Rep 全量部署在快手 + 快手极速版直播召回，服务 4 亿+ DAU；DuELRec 部署在 SK Telecom 个人助手 App，CTR 0.90%→1.33%。两者都无法在公开数据集上完整复现工业结论（RGCD-Rep 只有工业数据集，DuELRec 的 Telco 数据集不公开），但 DuELRec 额外提供了 Amazon 五域的全公开对比，可复现性更好。

HA-MoE HA-MoE: Heterogeneous Ranking in Industrial-Scale Recommender Systems（Google LLC, 2026-07-30）¶

关系：独立并发（本文未引用 HA-MoE，两者殊途同归）· 已加载对方精读

• 共同关注的问题：HA-MoE 把 Google Discover 统一排序器的困境总结为"共享表征架构强制单一 latent 表征服务所有内容类型，因而高度易受冲突目标间的负迁移与 minority-type collapse 影响"。这与 DuELRec 的诊断结构完全同构：只不过 DuELRec 的"异构段"是业务域，HA-MoE 的是内容类型 / 任务。两者都不是"某个模型不够强"，而是"一个被迫共享的表征吞掉了段间差异"。
• 相近的技术骨架：两者的解法可以抽象成同一张流程图——取一个显式的段身份信号 → 用它驱动一个门控 → 在多个专家之上做自适应加权 / 调制。HA-MoE 把显式异构信号 $h$（content_type、followed-creator status 等）注入 multi-gate 的门控输入（HA-Gating，式 $g_t(x,h) = \mathrm{Softmax}(W_t\Phi(x,h)+b_t)$），再用 FiLM 式仿射调制专家输出（HDLM，$\tilde{E}_n = \gamma_n(h)\odot E_n(x)+\beta_n(h)$）；DuELRec 用域身份决定注意力掩码的形状，再用 item 级门控在两个专家间加权。两者甚至都刻意把方案设计得很轻：HA-MoE 受"<5% 模型体积、<0.5% 时延"的硬预算约束、只在最后一层做调制，DuELRec 的专家只有 2 层（骨干 22 层）。
• 本文的差异与推进：条件信号作用的位置根本不同。HA-MoE 的异构信号只改变特征向量（门控输入 + 仿射调制），专家本身看到的输入序列是一样的；DuELRec 的域信号改变的是注意力可见性——单域专家在结构上被禁止看到其他域的 item。这是一种更强的先验：它保证了单域专家的输出在构造上就是无偏的，从而使式 (9)(10) 的偏差-方差分解成立。反过来 HA-MoE 更强的是可观测性：它配了 LENS 框架来定量追踪专家特化随时间的演化，而 DuELRec 对门控行为的检查只有 Fig. 4 的两个域可视化。
• 可比的方法/实验差异：两者都是"固定预算下做异构特化"的工业实践，且都用门控激活的分布作为机制成立的证据（HA-MoE 的 activation slicing 按 content type 行归一化后看每个专家的比例贡献；DuELRec 的 Fig. 4 看 Jewelry vs Web-Hist 的单域/跨域权重）。HA-MoE 完全依赖内部数据集（论文明说公开数据集缺乏所需的内容异构性），无公开可比数字；DuELRec 至少在 Amazon 五域上给了 26 个 baseline 的完整对比，这一点上可复现性明显更好。

OneModel OneModel: A Unified Foundation for Platform-Scale Multi-Scenario Ranking（Xiaohongshu, 2026-08-19）¶

关系：独立并发（本文未引用 OneModel；两篇仅相隔 5 天）· 已加载对方精读

• 共同关注的问题：OneModel 把统一多流建模的四条障碍中的第二条写为"朴素参数共享会引入跨业务干扰：目标相关但冲突，直接共享底座会产生负迁移"，第三条是"统一模型仍需支持业务特化，但又不能退化成完全分离的多塔"。这与 DuELRec 面临的张力是同一个：既要跨域共享（否则失去 CDSR 的意义），又要域内纯净（否则负迁移）。两者都拒绝"每个域各建一个模型"的退化解，也都拒绝"完全共享"的朴素解。
• 相近的技术骨架：两者都在共享骨干内部插入一个由段身份驱动的门控，用来在"共享"与"特化"之间连续调节。OneModel 的 SAIM（Scenario-aware Information Modulation） 是一个由 scenario-ID embedding 驱动的 sigmoid 逐通道门，在保持单一共享计算图的前提下买到流级特化；DuELRec 的 item-wise gating 由 $\mathbf{V}_s + \mathbf{V}_c$ 驱动，在两个专家间做 softmax 加权。两者也都把"门控确实学到了段依赖的分工"当作机制成立的关键证据。
• 本文的差异与推进：门控的操作对象与粒度不同。SAIM 是通道级的、且条件只来自场景 ID（一个静态的段标识），它调制的是同一条计算路径的激活；DuELRec 的门控是 item 级的、条件来自两条结构上不同的计算路径的输出，因此它能对同一个域内的不同 item 给出不同权重（Fig. 4 显示的是域级平均，但机制是逐 item 的）。另一个差异是理论支撑：DuELRec 给出了最优门控的闭式解 (10) 并据此解释权重走向，OneModel 只报告了门控均值。反过来 OneModel 覆盖的工程面更宽（分层用户表示、增量状态缓存、梯度隔离、解耦服务），而 DuELRec 的部署描述停在"离线算 item embedding + 向量库检索"。
• 可比的方法/实验差异：一个有趣的可直接对照的数据点——OneModel 报告三条流的 SAIM 平均门控激活为 Rec 0.61 / Ads 0.54 / Merchant 0.58，并坦承"三个不同的均值也可能只反映整体尺度差异"，属于必要非充分证据；DuELRec 的 Fig. 4 给的是同一类证据（Jewelry 偏单域、Web-Hist 偏跨域），但因为有式 (11) 的理论预测作为对照，且门控方向与 Table 4 中各域负迁移的严重程度独立可验证地一致，证据链比 OneModel 更闭合。消融幅度上，OneModel 去掉 SAIM 只掉 1.1‰ Click AUC，DuELRec 去掉整个 DGDE 在 Call-Log 上掉 49.0% MRR——量级差异反映了两者在各自系统里的地位：SAIM 是锦上添花，DGDE 是承重墙。

讨论与局限性¶

值得借鉴的设计¶

1. "改 mask 不改骨干"是一个极高性价比的粒度对齐手段。当 LLM 的自回归粒度（token）与下游任务的目标粒度（item / 事件 / 会话）不一致时，用块级掩码把 attention 的可见性边界定义在任务粒度上，比改 tokenizer、加 special token、或做两阶段压缩都要轻。DuELRec 只在 22 层骨干之上加 2 层专家就完成了这件事。
2. 把"要不要跨域"变成一个可学的逐样本变量，而不是一个全局超参。式 (9)–(11) 的偏差-方差分解给出了这个变量的最优值应该是什么，并且这个理论预测在 Fig. 4 上被观察到了。这套"给门控一个闭式最优解作为解释锚点"的做法，比单纯堆一个 MoE 有说服力得多。
3. 负采样池的域范围本身是一个被长期忽略的超参。既往 CDSR 默认 $p=0$（同域采负），而本文实测这是最差设定。这个改动的实现成本近乎为零，但消融显示它与整个双专家模块同等重要。
4. 专家数与域数解耦是可扩展性的关键。SyNCRec 每域一个专家、成对 CDR 需要 $O(|\mathcal{D}|^2)$ 个模型，都无法上到十几个域；DuELRec 恒定两个专家，因此线上能直接扩到 14 个域。

局限与争议¶

1. "缓解了所有域的负迁移"的措辞过强。Table 4 中 DuELRec 在 Call-Log 的 NDCG@5（−5.40%）与 MRR@10（−6.30%）仍为负；Table 3 中 Web-View 与 Benefits 的 NDCG@10 / MRR@10 也未做到最优。准确的表述应是"HR@5 口径下全域正增益，排序质量口径下大幅缩小但未消除"。
2. Games 域的失手没有被真正解释。论文只说"虽未超过 RecFormer 但整体一致更优"。考虑到 Games 是最稠密、item 最少的域，一个自然的假设是门控在这类域上过度保守，但论文没有给 Games 的门控权重分布来验证或证伪。
3. 跨域专家的贡献比叙事暗示的要小。消融 (C) w/o CE 平均只掉 1.3%，在两个域上甚至微涨。这意味着 DuELRec 的主要收益来自"item-aware attention 把协同信号找回来"，而"跨域迁移"本身贡献有限——但论文的标题与叙事重心都落在跨域上。
4. 只测了一个 1.1B 骨干，没有 scaling 证据。TinyLlama-1.1B 的选择被解释为服务效率要求，合理，但整篇没有回答"骨干换成 7B / 更大之后，双专家还是不是必要的"这个关键问题——有可能更大的 LLM 自己就能学到 item 级协同信号，从而稀释本方法的价值。
5. 方法论可扩展性存在一处隐患：item embedding 由 LLM 骨干离线预计算并写入向量库（附录 C），这使得 item 表征与序列建模在服务期是解耦的。这带来了时延可控性，但也意味着 item 侧表征无法随用户侧序列上下文动态调整；当参数量 scaling 时，"如何表征 item"与"如何建模序列"这两条路径不能完全同步增长。这与 SIF / IAT 那类"先离线压缩再在线建模"的范式共享同一类长期上限风险，尽管 DuELRec 的训练阶段是端到端的（ItemEmb 与骨干共享参数），程度要轻得多。
6. 线上实验的流量分配披露与曝光数据不一致（宣称 45:35:20，实际曝光比 ≈45.6:39.0:15.8），且本文桶曝光量最小。这不影响 $p<0.01$ 的结论，但削弱了对照的严格性。
7. Telco 数据集不公开，五个工业域的结论无法被外部验证；Amazon 部分则完全可复现（代码已开源）。