2026-07-20 日报

主题: LLM 工业推荐：从显式推理到有状态记忆与潜意图压缩

标签: pretrained-lm · semantic-id · rl · knowledge-distillation · industrial

📊 统计: 共 2 篇 · 精读 1 · 🏢 工业界 1 · 🎓 学术 1 · generative-rec 1 · llm 1 · discriminative-rec 1

综述

今日入选 2 篇工业推荐论文（1 篇生成式、1 篇判别式），均属工业界产出，其中 1 篇完成精读。当日绝对主角是阿里淘宝 RecGPT-V3（9 分重磅精读），它针对 V1/V2 暴露的三大瓶颈给出系统性回应：其一「Memory Hub」用结构化压缩加演化维护把无状态行为建模升级为有状态记忆，planner 算力直降 55.8%；其二「Hybrid-modal Foundation Model」在 Qwen3-14B 上扩出 65536 个两级 RQ-VAE 语义 ID token，打通 tag→item 信息瓶颈实现文本与 SID 双模态联合推理；其三「Latent Intent Reasoning」把 teacher 的显式 CoT 以掩码重建压进不超过 10 个可解码 latent token（200:1 压缩），并用 RLRF 从生产 ranker 直读 CTRScore 作稠密奖励，替代低效显式推理。淘宝首页「猜你喜欢」1% 流量 A/B 对 V2 取得 GMV +3.97%、IPV +1.28%、CTR +1.00% 的线上收益，端到端算力反降 52.4%，展现出「效果与算力双赢」的代际演进。另一篇 FA-RankMixer 则是 KDD Cup 2026 腾讯 UNI-REC 挑战赛的参赛报告（官方榜第九），以 target-aware DIN 加双流双线性融合做广告 pCVR，属比赛性质的工程方案。值得关注的方向是：LLM 推荐正从堆砌显式 CoT 转向「有状态记忆 + 潜意图压缩 + 从线上 ranker 反哺奖励」的高效范式。

重点论文

RecGPT-V3 · ⭐ 9/10

RecGPT-V3 Technical Report

🏢 Alibaba · 生成式推荐 / LLM

RecGPT-V3 是阿里淘宝 RecGPT 系列第三代 LLM 工业推荐器，针对 V1/V2 暴露的三大瓶颈（无状态行为建模、tag→item 信息瓶颈、低效显式推理）分别给出 Memory Hub（结构化压缩+演化维护的有状态记忆，planner 算力降 55.8%）、Hybrid-modal Foundation Model（Qwen3-14B 扩 65536 个两级 RQ-VAE SID token、文本+SID 双模态）、Latent Intent Reasoning（把 teacher CoT 掩码重建压进≤10 个可解码 latent token、200:1 压缩、RLRF 从生产 ranker 读 CTRScore 作奖励），淘宝首页 1% 流量 A/B 对 V2 取得 Feed +1.28% IPV/+1.00% CTR/+1.97% TC/+3.97% GMV、端到端算力降 52.4%。

全部论文