PIANO：面向音乐搜索优化的信息聚合节点个性化重排¶

NetEase Cloud Music（网易云音乐），arXiv:2606.16641，2026-06-15

一、研究动机与背景¶

音乐流媒体平台高度依赖搜索来连接用户与具体内容。与以"短期新鲜度"为核心的短视频信息流不同，音乐曲目具有很长的生命周期和持久的艺术价值——一首老歌可能在多年后依然被反复收听。这给搜索重排（re-ranking）带来了独特挑战：系统既要对齐用户当下的查询意图，又要兼顾其长期的收听偏好，才能保证持续的满意度。同时，工业场景还要求在用户体验与商业目标之间取得平衡，这就要求对点击率（Click-Through Rate, CTR）与转化率（Conversion Rate, CVR，本文特指点击后触发的付费会员订阅）做联合优化。

作者指出，尽管搜索重排在该领域作用关键，现有重排框架存在两个根本性缺口（gap）：

缺口一：意图对齐不充分（intent alignment is insufficient）。 多数序列模型（如 DIN、SASRec）只编码用户的行为序列（item 交互历史），却忽略了历史查询（historical queries）中蕴含的丰富语义信号。即便是近期的 query-aware 工作（如 He et al. [14]），通常也只使用静态的查询表征（如平均池化）。作者举了一个生动的例子：一个平时频繁收听 fast-paced pop（快节奏流行乐） 的用户，可能突然搜索 calm piano for studying（适合学习的舒缓钢琴曲）。如果不显式建模查询序列，系统就无法过滤掉与当前情境不一致的历史偏好，从而推出不相关的结果。

缺口二：列表级多目标优化仍然困难（list-level multi-objective optimization remains challenging）。 现有 listwise 模型大多面向单目标任务（如只优化 CTR），或依赖 item 级代理（item-level proxies）来处理多目标。传统多目标方法在 item 层面平衡 CTR 与 CVR 的冲突，却忽视了这些权衡如何在整个排序列表上体现。作者举例：一个 item 级多目标排序器可能因为某首付费内容歌曲的 CVR 分高，就把它顶到列表最前面，即便把它放在一堆免费独立音乐中反而会损害整个列表的点击率。这种跨 item 的权衡无法被 item-wise 打分捕捉，直接把这类方法套用到音乐搜索上，会无法刻画整个 slate（列表）的整体效用，导致商业目标的次优平衡。

为弥合这两个缺口，作者提出 PIANO（Personalized reranking via Information Aggregation Node for music search Optimization），一个 listwise 重排框架，包含两个核心创新：

1. Query-Driven Interest Refiner（QDIR，查询驱动的兴趣精炼器）：利用历史查询序列，通过 cross-attention 动态精炼长期偏好，使其对齐当前查询意图；
2. Information Aggregation Node（IAN，信息聚合节点）：一个可学习的 [CLS] 式 token，由 QDIR 输出的 query-conditioned 用户兴趣初始化，用于聚合候选列表的全局上下文，并直接在 list 级别预测 CTR/CVR，实现多目标监督。

主要贡献可总结为三点：

• Query-Aware 兴趣建模：提出 QDIR，用历史查询序列动态对齐长期偏好与短期查询意图；
• 列表级多目标优化：设计 IAN，一个 [CLS] 式 token，聚合列表上下文做直接的多目标预测，避免 item 级代理优化；
• 工业验证：在公开数据集上做大量离线实验，并在网易云音乐线上 A/B 测试中取得 CTR +0.62%、CVR +4.45% 的显著收益。

二、相关工作与定位¶

序列用户兴趣建模。 自注意力模型（如 SASRec）建模长程依赖，工业系统（BST、DIN、SIM）将行为序列与丰富特征结合。MIR、RAISE 等进一步用多级 set-to-list 交互、基于评论的意图建模来丰富个性化重排。He et al. [14] 通过异质序列把 query 引入序列建模，但依赖静态查询表征（如平均池化），没有针对历史查询做 cross-attention，难以捕捉音乐搜索重排中的快速意图漂移。PIANO 的 QDIR 则用 query-aware cross-attention，基于当前查询动态精炼长期偏好。

Listwise 重排与上下文建模。 现有方法大致分两类：一阶段打分模型——从 RNN（DLCM、Seq2Slate）演进到自注意力机制（PRM、SetRank、RankFormer）；两阶段排列框架（PRS、PIER、CLIG），将候选生成与评估解耦以平衡效率与效果。为捕捉全局上下文，这些方法常依赖 [CLS] 式 token 或 set-to-list attention，但这些节点很少受真实 list 级结果的监督。值得特别区分的是 RankFormer [4]：它也给 listwise Transformer 增加了一个 [CLS] token 并用 listwise 目标监督，但其 listwide 标签是合成的（取列表中 item 标签的最大值），而且该 token 本身只是一个通用可学习参数；相比之下，IAN 由 QDIR 的 query-conditioned 用户兴趣初始化，且直接受真实 per-list CTR/CVR 在多目标框架下的监督。在用户上下文整合方面，PEAR [20] 等虽引入历史，但只用 item 历史编码，缺少对过去偏好与当前意图的显式 query-conditioned 对齐——对音乐搜索这类动态场景而言并不理想。

多目标重排。 ESMM、MMoE、PLE 等 item 级多任务模型联合预测多目标，但忽略重排时的跨 item 依赖。Nguyen et al. [26] 用 Kendall tau 正则化做多方利益排序，CMR [9] 用超网络调节任务权重。PRECTR [8] 通过条件概率融合耦合相关性匹配与 CTR 预测，并加 batch-wise listwise 一致性正则，但其监督仍定义在 per-item 点击标签上而非 per-list 结果。SORT-Gen [5] 用带 ordered-regression 监督的自回归生成做 list 级多目标优化；相比之下，PIANO 采用判别式框架，用一个受显式监督的 [CLS] 式聚合器（IAN）在单次前向中预测 per-list CTR/CVR，实现高效的端到端联合优化。

三、问题定义¶

一个多阶段搜索/推荐流水线通常由召回（matching）、排序（ranking）、重排（re-ranking）组成。记排序阶段输出的结果列表为 $I = (i_1, \ldots, i_M)$。令 $\Pi_M$ 为 $\{1, \ldots, M\}$ 所有可能排列的集合，对 $\pi \in \Pi_M$ 记 $\pi(I) = (i_{\pi(1)}, \ldots, i_{\pi(M)})$。则重排器选择：

$$\pi^* \in \arg\max_{\pi \in \Pi_M} \ \lambda\, U_{\text{clk}}(\pi(I), C) + (1-\lambda)\, U_{\text{conv}}(\pi(I), C) \tag{1}$$

其中 $\lambda \in [0,1]$ 控制点击导向与转化导向两个 list 级目标之间的权衡，$C$ 为上下文。在音乐搜索场景中，click 指用户点击/播放返回列表中的歌曲，conversion 指点击交互后触发的付费会员订阅——这是音乐流媒体平台的关键营收指标。$U_{\text{clk}}(\cdot)$ 与 $U_{\text{conv}}(\cdot)$ 是 list-wise 效用函数：$U_{\text{clk}}$ 表示列表上的期望平均点击数，$U_{\text{conv}}$ 表示期望平均转化数，二者都通过在整个排序列表 $\pi(I)$ 上聚合 item 级预测来计算，因此必须有一个能捕捉全局列表依赖的模型。

作者采用加权和标量化（weighted-sum scalarization），通过变化 $\lambda$ 让系统在实践中扫出近似 Pareto 前沿的工作点。

四、核心方法与模型架构¶

4.1 整体架构¶

如图 1 所示，PIANO 由两个核心组件构成：QDIR 与 IAN。给定输入信号（当前 query、用户历史、候选 item），PIANO 首先由 QDIR 抽取 query-conditioned 用户兴趣，并用它初始化 IAN，将 IAN 作为前缀（prepend）拼接到候选列表前。随后通过一个 Transformer，模型同时优化 item 级与 list 级的业务指标。

4.2 音乐专用表征模型（Music-specific Representation Model）¶

为捕捉音乐领域的语义，作者基于 Qwen3-Embedding-0.6B 构建表征模型，在域内的 query–song 对上用任务专属 prompt 微调（fine-tune）。如图 2，模型采用双塔（dual-tower）设计：

• 训练阶段：一个冻结的 Qwen3-Embedding-0.6B 编码器在 query 塔和 song 塔之间权重共享；两个塔各自的 MLP 投影头（$\text{MLP}_{query}$、$\text{MLP}_{song}$）产出文本嵌入，用带 in-batch negatives 的对比损失（contrastive loss）优化。每首歌用 prompt 形式给出元数据（如 Song name: "Love Story", Artist: "Taylor Swift", Language: "English"）。
• 推理阶段：编码器和投影头都冻结。song 嵌入离线预计算，query 嵌入按每次搜索请求在线计算。

相比通用编码器，这种设计产生的嵌入更贴合音乐搜索，并把编码器成本与在线延迟解耦（因为歌曲嵌入是离线算好的）。

4.3 Query-Driven Interest Refiner（QDIR）¶

QDIR 旨在把用户的长期偏好与当前查询所表达的短期意图对齐。它包含两个部分：Current Intent Representation 与 Historical Query-aware Preference Refinement。

当前意图表征。 记原始当前查询为 $q_{\text{cur}}$，用 §4.2 的方法嵌入：

$$q_{\text{cur}}^{\text{emb}} = \phi_{\text{music}}(q_{\text{cur}}) \tag{2}$$

再通过一个可学习线性投影形成短期兴趣：

$$r_{\text{short}}^{\text{emb}} = W^E q_{\text{cur}}^{\text{emb}} \tag{3}$$

其中 $W^E$ 是初始化为单位阵（identity）的可学习投影。这样训练初始时 $r_{\text{short}}^{\text{emb}} = q_{\text{cur}}^{\text{emb}}$，再逐渐把当前查询嵌入自适应到下面 cross-attention 所用的融合空间中。这个"恒等初始化"的设计动机是保证训练起步稳定。

历史查询感知的偏好精炼。 为用当前查询过滤过去的偏好，作者用 cross-attention：以 $q_{\text{cur}}^{\text{emb}}$ 为 query，历史查询序列 $q_{\text{seq}}^{\text{emb}} = [q_1^{\text{emb}}, \ldots, q_L^{\text{emb}}]$ 为 key，每个历史查询下交互过的 item $s_{\text{seq}}^{\text{emb}} = [s_1^{\text{emb}}, \ldots, s_L^{\text{emb}}]$ 为 value：

$$r_{\text{long}}^{\text{emb}} = \text{softmax}\!\left(\frac{QK^\top}{\sqrt{d}}\right) V \tag{4}$$

其中 $Q = W^Q q_{\text{cur}}^{\text{emb}}$，$K = W^K q_{\text{seq}}^{\text{emb}}$，$V = W^V s_{\text{seq}}^{\text{emb}}$，$d$ 为隐藏维度。注意力权重按历史点击 item 与当前查询的相关性重新加权——这正是"过滤掉与当前情境不一致的历史偏好"的机制实现：当用户搜 calm piano 时，历史中与之相关的查询会获得高权重，从而把对应的历史歌曲偏好放大，而无关的 fast-paced pop 历史被抑制。这里 key 是历史 query、value 是历史 item，是 QDIR 区别于一般行为序列建模（key/value 都是 item）的关键。

长短期兴趣融合。 把精炼后的长期偏好 $r_{\text{long}}^{\text{emb}}$、短期意图嵌入 $r_{\text{short}}^{\text{emb}}$ 与用户画像融合成统一的 query-conditioned 用户兴趣表征：

$$r_{\text{user}}^{\text{emb}} = \text{LayerNormalization}\!\left(W_f \cdot \big[\text{concat}(r_{\text{long}}^{\text{emb}}, r_{\text{short}}^{\text{emb}}, r_{\text{user\_profile}})\big] + b\right) \tag{5}$$

其中 $W_f$ 把表征映射到维度 $d_{\text{model}}$，$b$ 为偏置，$r_{\text{user\_profile}}$ 是静态用户画像嵌入。最终的 $r_{\text{user}}^{\text{emb}}$ 作为后续重排阶段 IAN token 的初始化信号。

4.4 Information Aggregation Node（IAN）¶

动机与设计。 受 BERT、ViT 中 [CLS] token 启发，作者把一个可学习的 [CLS] 式 token——即 IAN——前缀拼接到候选列表前（图 1 右）。不同于忽略 item 交互的静态池化（如 mean pooling），IAN 借助自注意力捕捉 list-wise 依赖，学习一个超越简单 item 分数求和的 list 级效用。

初始化与位置编码。 IAN token 用 QDIR 的 query-conditioned 兴趣向量初始化。令 $g = r_{\text{user}}^{\text{emb}} \in \mathbb{R}^{d_{\text{model}}}$。候选歌曲先经音乐专用表征模型（§4.2）得到 item 表征 $h_{1:M} \in \mathbb{R}^{d_{\text{model}}}$。把 $g$ 经一个 MLP 得到原始 IAN 表征：

$$h_0^{\text{raw}} = \text{MLP}_{\text{init}}(g) \tag{6}$$

再给所有位置加位置编码：

$$\tilde{h}_j = \begin{cases} h_0^{\text{raw}} + \text{PE}(0), & \text{if } j = 0, \\ h_j + \text{PE}(j), & \text{if } j \in \{1, \ldots, M\}, \end{cases} \tag{7}$$

其中 $\text{PE}(0)$ 把 IAN 锚定到一个固定参考位置，而 $\text{PE}(j)$（$j \ge 1$）为 item 打分保留顺序敏感性。

4.5 上下文化 Transformer 编码器¶

架构。 带位置编码的序列 $[\tilde{h}_0, \tilde{h}_1, \ldots, \tilde{h}_M]$ 被送入 $N_x = 2$ 个 pre-norm Transformer 编码块：

$$[h_0', h_1', \ldots, h_M'] = \text{Transformer}([\tilde{h}_0, \tilde{h}_1, \ldots, \tilde{h}_M]) \tag{8}$$

每个块包含多头自注意力（MHSA）和 position-wise 前馈网络（FFN），都配残差连接与层归一化。

预测头。 编码后，输出序列 $[h_0', h_1', \ldots, h_M']$ 被两个联合训练的头用于多任务预测（如 click 与 conversion，对应图 1 中的橙色框）：

$$\hat{\mathbf{p}}_{\text{list}}^{(t)} = \text{Sigmoid}\big(\text{MLP}(h_0')\big) \tag{9a}$$ $$\mathbf{p}_j^{(t)} = \text{Sigmoid}\big(\text{MLP}(h_j')\big) \tag{9b}$$

其中 $h_0'$ 充当 list 级分类器的全局列表表征（global list representation），item 头（式 9b）作用在 item 表征 $h_j'$（$j \in \{1, \ldots, M\}$）上。关键在于：$h_0'$ 聚合的全局语义通过自注意力传播到每个 item 表征 $h_j'$，增强其上下文感知能力。这就是 IAN 既能产出 list 级预测、又能反过来调节 item 级打分的双向收益机制。

4.6 模型预测与优化目标¶

PIANO 用两个互补的损失函数联合优化 list 级与 item 级目标。模型在三个层次有三个权重：$\lambda$（式 1，list 级 click vs. conversion 效用）、$\alpha$（式 15，list 级 vs. item 级损失）、$\beta$（item 损失内部 click vs. conversion 的 BCE 权重）。

List 级损失。 与式 (1) 对齐，用两个 BCE 损失在软标签上预测 list 级点击率与转化率：

$$L_{\text{list}} = -\frac{1}{N} \sum_{t=1}^{N} \sum_{m \in \{\text{clk}, \text{conv}\}} \Big[ y_m^{(t)} \log \hat{p}_m^{(t)} + (1 - y_m^{(t)}) \log(1 - \hat{p}_m^{(t)}) \Big] \tag{10}$$

其中 $\mathbf{y}^{(t)} = (y_{\text{clk}}^{(t)}, y_{\text{conv}}^{(t)}) \in [0,1]^2$ 是 per-list 的率目标，$\hat{\mathbf{p}}^{(t)} = (\hat{p}_{\text{clk}}^{(t)}, \hat{p}_{\text{conv}}^{(t)})$ 是预测分，$N$ 为 batch size。软标签定义为：

$$y_{\text{clk}}^{(t)} = \frac{\#\text{clicked items in list } t}{\text{length of list } t} \tag{11}$$ $$y_{\text{conv}}^{(t)} = \frac{\#\text{converted items in list } t}{\text{length of list } t} \tag{12}$$

即 list 标签是该列表中被点击/转化 item 的占比——这正是用真实 per-list CTR/CVR 直接监督 IAN，区别于 RankFormer 用"item 标签最大值"合成 listwide 标签。

Item 级损失。 对 item 标签 $y_j^{(\text{clk})}, y_j^{(\text{conv})} \in \{0, 1\}$，用带转化权重 $\beta \ge 0$ 的二元交叉熵：

$$L_{\text{item}} = \frac{1}{N} \sum_{t=1}^{N} \frac{1}{M} \sum_{j=1}^{M} \Big( \ell_{\text{BCE}}\big(y_j^{(\text{clk})}, p_j^{(\text{clk})}\big) + \beta\, \ell_{\text{BCE}}\big(y_j^{(\text{conv})}, p_j^{(\text{conv})}\big) \Big) \tag{13}$$ $$\ell_{\text{BCE}}(y, p) = -y \log p - (1 - y) \log(1 - p) \tag{14}$$

其中 $\beta$ 平衡转化信号相对点击信号的权重，通常设 $\beta = 1$。

联合目标。 最终训练目标是加权和：

$$L = \alpha\, L_{\text{list}} + (1 - \alpha)\, L_{\text{item}} \tag{15}$$

其中 $\alpha > 0$ 平衡 list 级监督与 item 级监督（§4.4 实验研究其敏感性）。通过自注意力，IAN 把全局列表上下文聚合进 $h_0'$（受 $L_{\text{list}}$ 监督做整体效用预测）；同时 item 表征 $h_j'$ 经 attention 受益于该全局上下文，从而实现与式 (1) 多目标目标对齐的联合优化。

五、实验设置¶

5.1 数据集¶

作者在公开的 Yahoo Letor（Yahoo! Webscope v2.0）基准与自建的工业级 Music Search Re-ranking 数据集（取自网易云音乐）上评估。

Table 1. 数据集概览

• Yahoo Letor：遵循 Seq2Slate [2] 的做法，把相关性等级二值化（$r \ge T_b$），并用 $P_{\text{exam}}(i) \propto 1/\text{pos}(i)^\eta$ 模拟位置偏差。
• Music Search Re-ranking：含 query 上下文、候选列表、用户反馈。过滤了仅有"首屏完整曝光"的会话以减小偏差。特征包括元数据、行为统计、文本嵌入（§4.2）。标签包括 item 级 click 与 conversion 信号，及其 list-wise 平均作为 list 级 CTR/CVR 目标。采用基于时间的划分防止泄漏，所有方法共享同一候选池与特征。

5.2 研究问题（RQ）¶

• RQ1：PIANO 是否在多个数据集与指标上超越强 baseline？
• RQ2：消融是否确认 QDIR 与 IAN 各自带来可量化的收益？
• RQ3：平衡超参 $\alpha$ 如何影响整体性能？
• RQ4：历史行为序列长度对 QDIR 的排序效果有何影响？
• RQ5：IAN 是否编码了有意义的 list 级语义（用诊断/可视化佐证）？

5.3 Baselines¶

涵盖三个维度：(i) LTR 范式（pointwise/pairwise vs. listwise）；(ii) 个性化（有无用户侧信号）；(iii) 上下文建模（独立打分 vs. slate-aware 跨 item 交互）：

• SVMRank：经典 pairwise LTR，非 listwise、非个性化，作为量化 item 间交互收益的下界。
• LambdaMART：基于 GBDT 的强 listwise LTR，因低延迟推理被工业界广泛部署，是 production-grade 代表。
• DLCM：开创性 listwise 重排器，用 GRU 编码 top-n slate，作为自注意力重排器的对照。
• PRM：把用户嵌入注入 Transformer 自注意力编码器，联合建模 user–item 与 item–item 交互，是 PIANO 最接近的非历史个性化自注意力重排对照。
• SAR：近期 listwise 方法，通过 slate-aware 上下文建模捕捉 item–item 依赖，是无用户历史/无 query-aware 组件的当代 listwise baseline。
• PEAR：通过 Transformer 融合初始列表与用户历史信号做个性化重排，是与 PIANO 架构最相似的 baseline（但只用 item 历史、无 query 信号），是关键参照点。

5.4 实现细节¶

• 超参（所有 baseline 与 PIANO 统一）：隐藏维度 $d_{\text{model}} = 128$（两数据集相同）；优化器 Adam；dropout $p_{\text{dropout}} = 0.2$；mini-batch size：Yahoo Letor 为 32，Music Search 为 256。
• 评估协议：所有结果报告为 10 次不同随机种子独立运行的均值 ± 标准差。

• 跨数据集特征对齐：工业数据集的 $s_i^{\text{emb}}$ 用音乐专用表征模型（§4.2）产出；Yahoo Letor 缺音乐元数据，改用同宽度 $d_{\text{model}}$ 的可训练 ID 嵌入： $$s_i^{\text{emb}} = E_{\text{item}}[\text{ID}(i)] \tag{16}$$ 其中 $E_{\text{item}} \in \mathbb{R}^{(|\mathcal{D}|+1) \times d_{\text{model}}}$ 为嵌入查找矩阵（多一行 [UNK] 给未见 item）。两种情况下 $s_i^{\text{emb}}$ 都占据同样的 $d_{\text{model}}$ 维输入槽，使所有方法收到形状相同的 item 表征。

• 数据集特定适配：PEAR 需要用户行为序列（Yahoo Letor 没有），故只在工业数据集评估；PIANO 在 Yahoo Letor 上禁用 QDIR 的 query 序列组件、保留 IAN，以在相同特征约束下公平比较。

• 评估指标：NDCG@k（按位置做对数折扣）与 MAP（相关 item 位置上 AP 的均值）。因工业音乐搜索只展示 top 5，取 $k=5$ 对齐实际部署。

六、主要实验结果（RQ1）¶

Table 2. Yahoo Letor 数据集性能对比

Table 3. 工业 Music Search Re-ranking 数据集性能对比

结论分析：PIANO 在两个数据集所有指标上一致超越全部 baseline。在 Yahoo Letor 上（注意此时 PIANO 已禁用 query 组件、仅保留 IAN），它对最强神经 baseline PRM 仍有稳定提升（NDCG@5 0.6676→0.6700），说明即便候选列表短、缺乏 query 序列信号，IAN 的 list 级聚合机制本身就有价值。在工业 Music Search 上优势更明显：PIANO 显著超过 PEAR（架构最相似的强 baseline，NDCG@3 0.8277→0.8296、MAP 0.8081→0.8100）和其他 baseline。值得注意的是按 NDCG@3 排序的梯队——PEAR (0.8277) ≫ PRM (0.8098)，说明引入用户历史（PEAR、PIANO）相对纯 slate 模型（PRM/SAR/DLCM）有一大截提升，而 PIANO 在 PEAR 基础上再通过 query-conditioned 对齐 + list 级监督进一步推进。这印证了"融合 query-conditioned 兴趣建模 + 显式 list 级多目标优化"能在真实场景中改善重排质量。

七、消融与分析（RQ2–RQ5）¶

7.1 组件消融（RQ2）¶

在工业数据集上做组件消融：

Table 4. PIANO 消融研究（工业 Music Search 数据集）

结论分析：

• QDIR 的作用：去掉 QDIR（替换为 query-agnostic 池化），NDCG@k 与 MAP 一致下降。对比"w/ QDIR, w/o IAN"(NDCG@3=0.8198) 与 "w/o QDIR, w/o IAN"(0.8103)，可见 QDIR 单独贡献约 +0.0095。这证实把长期行为信号与当前查询对齐对有效个性化是必要的——它过滤噪声、捕捉意图漂移。
• IAN 的作用：去掉 IAN 与 list 级头，所有指标一致退化。对比"w/o QDIR, w/ IAN"(0.8108) 与 "w/o QDIR, w/o IAN"(0.8103)，IAN 在无 QDIR 时贡献较小；但在有 QDIR 时（0.8296 vs 0.8198）IAN 贡献约 +0.0098，明显更大。这说明两个组件存在正向协同：IAN 需要 QDIR 提供高质量的 query-conditioned 初始化才能充分发挥 list 级监督的价值，二者互补。

7.2 平衡参数 $\alpha$ 的影响（RQ3）¶

$\alpha$（式 15）控制 list 级与 item 级监督的权衡：

Table 5. 不同平衡参数 $\alpha$ 下的 PIANO 性能

结论分析：性能呈清晰的倒 U 形。$\alpha=0$（纯 item 级，无 list 级监督）因缺乏全局指导而次优；$\alpha=0.5$ 取得最佳平衡，说明全局 list 语义与细粒度 item 信号互补；继续增大到 $\alpha=0.75$（偏 list 级）收益递减，过度强调 list 级损失反而会稀释 item 级打分能力。这验证了联合优化的必要性，也确定了后续实验统一用 $\alpha=0.5$。（注：式 15 中 $\alpha$ 是 $L_{\text{list}}$ 的权重，故 $\alpha=0$ 表示纯 item 级，与表中 $\alpha=0$ 行性能偏低、纯 item 级"缺乏全局指导"的叙述一致。）

7.3 历史行为序列长度的影响（RQ4）¶

结论分析：如图 3，所有指标随序列从 5 增长到 30 单调提升。这验证：更丰富的历史行为序列为 QDIR 提供更强的长期偏好信号，而其 query-driven cross-attention 会过滤无关历史，所以更长的序列带来更多有用信号而不引入噪声。这与 QDIR "用当前 query 加权历史"的设计自洽——若没有这种过滤，加长序列通常会引入噪声导致性能饱和甚至下降。

7.4 IAN 的可视化（RQ5）¶

为评估 IAN 是否真的编码了 list 级风格信号，作者对一批 held-out 用户提取经 Transformer 后的 IAN 嵌入 $h_0'$，用 t-SNE 投影到二维。考察八个高频曲风标签——Anime/ACG、Children、Chinese Traditional、Electronic、Folk、Rock、Slow DJ、Soundtrack，每个点按候选列表的主导曲风着色。

结论分析：可视化显示清晰的曲风对齐聚类：Slow DJ 在左侧形成分离良好的簇，Electronic 与 Anime/ACG 占据下中部和右上部不同区域，其他曲风也呈现可分辨模式（部分重叠反映风格邻近性）。这表明 IAN 成功聚合了全局候选列表信息，产出语义上有意义的表征。关键在于：由于用户参与度随列表构成（如曲风）变化，IAN 区分风格不同列表的能力，给 list 级 MLP 头预测点击/转化提供了有用基础。类比 BERT 的 [CLS]，IAN 把 item 级特征聚合成 list 级摘要，同时喂给 list 级头并通过自注意力调节 item 级打分。

八、在线实验与部署¶

8.1 在线 A/B 测试¶

作者在工业音乐搜索栈做了多周在线实验。用户按稳定标识分桶，treatment 用 PIANO、control 用既有重排器。试验显示 CTR +0.62%、CVR +4.45%（均 $p<0.05$，双尾），且收益在工作日/周末与主要 query 类别上都稳定。

Table 6. 在线 A/B 测试结果：相对 control 的绝对与相对变化

注：* 表示 $p<0.05$（双尾）显著。

结论分析：四周内 CTR/CVR 的绝对提升均稳定为正且统计显著，置信区间下界基本在 0 以上。CVR 的相对提升（~+4.45%）远大于 CTR（~+0.62%）——这与 PIANO 显式做 list 级多目标（含 conversion）优化的设计直接对应：转化（付费会员订阅）是稀疏但高价值信号，list 级 CVR 监督让模型更善于把"会促成订阅"的列表组合整体顶上去，这是 item 级代理优化难以达到的。

8.2 在线部署¶

PIANO 已部署于网易云音乐，作为 matching→ranking→re-ranking 流水线中的后排序（post-ranking）服务：上游排序器返回列表 $I$，PIANO 产出最终顺序 $\pi$。稳态下 95% 流量由 PIANO 服务（覆盖数百万 DAU），保留 5% 随机 holdout 路由到 baseline 做长周期 KPI 跟踪。作者用最新交互日志做周期性模型刷新以适应偏好演化。自上线以来关键业务指标持续高于对照组，且不损害在线延迟要求。这证明 list-aware、query-conditioned 的重排可在高流量音乐搜索系统中可靠地规模化运行。

九、核心贡献总结¶

1. QDIR——查询驱动的兴趣精炼：首次以"当前 query 为 Q、历史 query 序列为 K、历史交互 item 为 V"的 cross-attention 机制，动态地用当前查询过滤/重加权长期偏好，解决音乐搜索中"快速意图漂移"导致的历史偏好不一致问题；并用恒等初始化的短期投影 + 长短期 + 用户画像融合产出 query-conditioned 用户兴趣。
2. IAN——受真实 list 级标签监督的 [CLS] 式聚合节点：用 QDIR 兴趣初始化、固定参考位置锚定的全局 token，由真实 per-list CTR/CVR（软标签 = 列表内点击/转化占比）直接监督，实现 list 级多目标优化，并通过自注意力把全局上下文反哺到 item 级打分——区别于 RankFormer 用合成标签 + 通用可学习 token。
3. 判别式单次前向的 list 级多目标框架：相对 SORT-Gen 的自回归生成式 list 级优化，PIANO 在单次前向内完成 list 级 + item 级联合预测，兼顾效果与在线延迟，适合 latency-sensitive 工业部署。
4. 完整工业验证：公开（Yahoo Letor）+ 工业（网易云音乐）双数据集离线领先，外加多周线上 A/B（CTR +0.62%、CVR +4.45%）与 95% 流量规模化部署。

十、讨论与局限性¶

值得借鉴的设计：

• "key=历史 query、value=历史 item"的 cross-attention 是一个干净且可迁移的 query-conditioned 兴趣建模范式，凡是"既有搜索 query 历史、又有行为历史"的搜索/推荐场景（电商搜索、视频搜索）都可借鉴，比静态 query 池化（如 He et al. [14]）更能捕捉意图漂移。
• 用真实 per-list 率（软标签）显式监督 [CLS] 式 token，把"list 级多目标"从 item 级代理升格为一等公民，且实现成本低（一个 token + 一个 BCE 头）。$\alpha$ 的倒 U 形曲线给出了 list 级与 item 级监督的实用配比经验（0.5）。
• 音乐专用 Qwen3-Embedding 双塔 + 离线预计算歌曲嵌入：把大模型编码成本与在线延迟解耦，是 LLM 嵌入落地工业重排的务实工程范式。

局限与争议：

• 离线绝对提升偏小：在工业数据集上 PIANO vs PEAR 的 NDCG/MAP 提升只在第三/四位小数（如 NDCG@3 0.8277→0.8296，+0.23%），虽然有 10 次种子的小标准差支撑统计可靠性，但收益幅度有限；线上 CVR +4.45% 与离线小提升之间的"放大"主要来自 list 级 conversion 监督，论文未给出离线 list 级 CTR/CVR 指标来直接佐证这一点（离线只报 NDCG/MAP 这类排序质量指标，与线上 CTR/CVR 之间存在 metric gap）。
• 方法范围较窄：PIANO 是一个重排模块，依赖上游排序给出的候选列表 $I$ 与高质量 query/song 嵌入，整体框架对召回/排序阶段无改动，属于流水线末端的局部优化。
• 多个超参需要调：$\lambda$（式 1）、$\alpha$（式 15）、$\beta$（式 13）三层权重，论文只系统研究了 $\alpha$，$\lambda$ 如何在线扫 Pareto 前沿、$\beta$ 的取值影响缺乏实证。
• Transformer 仅 2 层、$d_{\text{model}}=128$：模型容量较小（为满足在线延迟），论文未探索 scaling 行为，list 长度 $M$ 较大时自注意力 $O(M^2)$ 成本与 IAN 聚合质量的权衡也未讨论。
• 泛化性：QDIR 的价值高度依赖"用户有丰富历史搜索 query"，对冷启动用户或 query 历史稀疏的场景效果存疑（图 3 显示序列越短性能越低）。

与已有工作的差异：PIANO 同时攻 query-aware 意图对齐（区别于 PEAR 只用 item 历史、He et al. 用静态 query）与 list 级多目标（区别于 PRM/SAR/DLCM 的单目标或 item 级处理、RankFormer 的合成标签、SORT-Gen 的生成式范式）。其判别式单次前向 + 真实 list 标签监督的组合，是它在工业 latency-sensitive 音乐搜索落地的关键差异点。