2026-04-13 日报

主题: 工业级用户行为序列建模与学术推荐表示优化并行推进

标签: sequential-rec · ctr-prediction · feature-interaction · industrial · scaling

📊 统计: 共 5 篇 · 精读 1 · 🏢 工业界 1 · 🎓 学术 4 · discriminative-rec 4 · llm 1

综述

今日共收录 5 篇论文，涵盖判别式推荐（4 篇）与 LLM/MoE 理论（1 篇），工业落地论文 1 篇，学术探索论文 4 篇。

重点论文为字节跳动的 IAT（Instance-As-Token），该工作将用户历史交互的全量特征压缩为紧凑实例 token，以两阶段解耦框架（Source Instance Transformer 压缩 + 标准序列模型建模）突破传统手工特征序列的信息瓶颈。IAT 支持时序顺序与用户顺序两种压缩方案，并已在电商广告、购物中心营销、直播电商三个场景完成工业部署，带来显著业务指标提升，是本日最具工业价值的论文。

学术方向上，DIAURec 构建双意图空间（原型空间 + 分布空间）并融合协同信号与语言信号，以对齐-均匀性为优化目标防止表示坍塌；TME-PSR 将时间感知门控编码器、多头线性循环单元（LRU）与推荐-解释对齐机制组合于一体，探索可解释序列推荐；MoE Scaling Law 论文则从理论角度推导 MoE Transformer 泛化界，将 active 参数预算与路由组合复杂度解耦，但缺乏大规模实证验证。

整体来看，工业界对超长用户行为序列的高效压缩与 token 化表示是当前热点——如何在不依赖人工特征工程的前提下将异构行为信息无损地注入序列模型，将是近期值得持续关注的技术方向。

重点论文

IAT · ⭐ 8/10

IAT: Instance-As-Token Compression for Historical User Sequence Modeling in Industrial Recommender Systems

🏢 ByteDance · 判别式推荐

提出 Instance-As-Token 两阶段框架，将用户历史训练样本压缩为紧凑嵌入作为序列 token，突破手工序列特征的信息瓶颈，在字节跳动多个广告场景获得显著线上收益

IAT · ⭐ 8/10

IAT: Instance-As-Token Compression for Historical User Sequence Modeling in Industrial Recommender Systems

🎓 学术 · 判别式推荐

IAT（Instance-As-Token）提出两阶段序列建模框架：先将每条历史交互的所有特征压缩为紧凑实例 token，再用标准序列模型建模长程偏好；已在电商广告、购物中心营销、直播电商三个工业场景落地，带来显著业务指标提升。

全部论文