2026-07-07 日报

主题: 生成式推荐主导:Semantic ID 统一检索排序与 LLM 推荐偏置校正

标签: semantic-id · moe · pretrained-lm · industrial · transformer

📊 统计: 共 5 篇 · 精读 1 · 🏢 工业界 1 · 🎓 学术 4 · generative-rec 3 · llm 2 · other 1

综述

今日 5 篇:3 篇生成式推荐、2 篇 LLM 相关、1 篇 agent scaling;工业 1 篇(阿里),其余 4 篇均为学术。重点:UniSGR(阿里 Lazada)把 semantic-ID 生成式检索与多目标排序统一进单个 MoE encoder-decoder,排序模块直接长在生成 decoder 上共享表示,用价值加权并行多 token 预测与漏斗感知对比学习把生成对齐到 click/atc/pay 业务价值,STARK 树注意力 KV cache 把 beam search 提速约 200%,线上 GMV +5.68%,是当日唯一精读且分数最高。LBR 剖析 LLM 推荐的长度偏置:输入侧长描述抢注意力、输出侧对数似然求和天然歧视长物品,以长度感知注意力校准加有效信息长度归一化近乎零开销地双端纠偏。ChronoSID 为 semantic-ID 生成式推荐注入时间间隔信号(log 尺度 gap token 加时间预测辅助目标),长间隔兴趣漂移场景增益更明显;另有一篇 agentic 推荐系统综述以自主度为主线统一分类。趋势:Semantic ID 生成式推荐仍是主线,工业界走向检索-排序统一加推理加速,学术界则聚焦时间建模与 LLM 推荐偏置校正等精细化问题。

重点论文

UniSGR · ⭐ 8/10

UniSGR: Unified Framework for Semantic ID Generation and Ranking

🏢 Alibaba · 生成式推荐

UniSGR（阿里 Lazada）把 semantic-ID 生成式检索与多目标排序统一进一个 MoE encoder-decoder：排序模块直接长在生成 decoder 上、共享 semantic-ID/encoder/decoder 状态表示，用价值加权并行多 token 预测（VA-PMTP）、Task-Aware Tokens 与漏斗感知对比学习（FACL）把生成对齐到 click/atc/pay 业务价值，并用 STARK 序列维树注意力 KV cache 把 beam search 推理吞吐提升约 200%，线上 GMV +5.68%。

LBR · ⭐ 7/10

LBR: Towards Mitigating Length Bias in Large Language Models for Recommendation

🎓 学术 · 生成式推荐 / LLM

LBR 指出 LLM 推荐存在长度偏置：输入侧长描述占更多 token 抢注意力质量，输出侧自回归对数似然求和天然歧视长物品，而朴素长度归一化会引入新偏置。它用 Length-Aware Attention Calibration 在注意力 logit 上加长度相关偏移中和输入偏置，用基于前缀树分支结构的 Effective Information Length Normalization 替代朴素 token 计数，几乎零额外开销地提升准确率与公平性。

ChronoSID · ⭐ 6/10

Beyond Item Order: Temporal Gap Tokenization for Generative Recommendation with Semantic IDs

🎓 学术 · 生成式推荐

ChronoSID 为 semantic-ID 生成式推荐注入时间信号：一是用时间间隔预测辅助目标（TA-FAMAE）正则化物品表示，二是把交互间隔离散成 log 尺度 gap token 与 SID 元组交织进序列生成器输入。在 Amazon benchmark 上稳定优于 ReSID 等基线，长间隔场景增益更明显。

Autonomous Information Seeking: A Roadmap for Agentic Recommender Systems · ⭐ 6/10

🎓 学术 · LLM

该综述系统梳理了基于 LLM agent 的推荐系统，提出以自主度为主线的统一分类法与三大范式（agent 辅助推荐、agent 即推荐器、agent 即用户模拟器），分析各范式在 profile/memory/工具使用/工作流/优化机制上的架构差异，并讨论自动指标、LLM 评判与仿真评估的局限及开放挑战。

全部论文