2026-06-30 日报

主题: 工业推荐召回/检索的实时化与图导航重构，兼及 LLM 推荐诊断

标签: industrial · search-ranking · contrastive-ssl · cold-start

📊 统计: 共 8 篇 · 精读 2 · 🏢 工业界 2 · 🎓 学术 6 · generative-rec 2 · other 2 · llm 3 · discriminative-rec 3

综述

本日共 8 篇：生成式推荐 2、判别式推荐 3、LLM 3、其他 2，工业界由快手两篇精读论文领跑，余为学术探索。快手 POEM 把召回阶段忽视的下游 CTR/CVR/时长排序分逆排名融合成偏序、分组随机采样构造动态序列，与历史序列双编码器融合，配系统偏好正样本蒸馏与 Swing 图硬负采样，实现每请求实时兴趣刷新，全量上线人均时长 +0.249%。同组 IID-Nav 把召回从静态相似度抽取重构为有状态、目标驱动的图导航，借跨请求状态接力突破单请求跳数/延迟的深度上限，并以轨迹对齐训练抑制搜索漂移，亿级集 Recall@500 +36.35%。学术侧，LHF 用五域基准解耦重排质量与检索覆盖，揭示校准 LLM 重排在冷启动下难稳超协同/内容基线、单检索器仅命中 4.6–22.9%，提出验证集训练的学习型混合融合层作为检索可达性基线；另有论文发现最优学习率 log-linear scaling 律在大规模出现上翘曲率，改用有效学习率沿数据维外推可消除。整体看，工业推荐的召回/检索正从静态相似度转向系统级实时信号与图导航，检索覆盖瓶颈与实时性成为新的优化焦点。

重点论文

POEM · ⭐ 7/10

POEM: Partial-Order Enhanced Real-Time Sequential Modeling for Recommendation

🏢 Kuaishou · 生成式推荐

POEM 把召回阶段被忽视的下游多目标实时排序分(CTR/CVR/观看时长)用逆排名加权融合成偏序、分组随机采样构造动态序列，与历史序列双编码器融合，配合系统偏好正样本蒸馏与 Swing 图硬负采样，实现每请求实时刷新的用户兴趣表征，在快手全量上线人均时长 +0.249%/+0.213%。

IID-Nav · ⭐ 7/10

From Extraction to Navigation: Progressive Retrieval with Indirectly Infinite Depth

🏢 Kuaishou · 生成式推荐

提出 IID-Nav,把工业推荐召回从静态相似度抽取重构为有状态的目标驱动图导航:用跨请求状态接力(间接无限深度 IID)突破单请求跳数/延迟的深度上限,用 target-aware 判别器主动意图路由替代被动近邻扩展,并用图硬负采样的轨迹对齐训练抑制搜索漂移,亿级工业集 Recall@500 提升 +36.35%。

LHF · ⭐ 6/10

Diagnosing and Mitigating Retrieval Bottlenecks in LLM-Based Cold-Start Recommendation

🎓 学术 · LLM / 判别式推荐

用五域基准把重排质量与检索覆盖解耦,发现校准后的 LLM 重排在冷启动下难以稳定超越协同/内容基线,且单检索器仅 4.6–22.9% 命中黄金物品;提出验证集训练的学习型混合融合层 LHF 作为检索侧可达性基线,能在所有域超越任一单检索器。

On the Nonlinearity of Learning Rate Scaling for LLM Training · ⭐ 6/10

🎓 学术 · LLM

实证发现 LLM 最优学习率的 log-linear scaling law 在更大规模下出现上翘曲率导致外推失准;改用"有效学习率"(归一化权重空间的步长)并沿数据维度而非模型规模外推可消除该曲率,并用权重范数收敛动力学加以解释。

全部论文