2026-07-24 日报

主题: 生成式推荐：从自回归到扩散，弥合序列生成与推荐的结构鸿沟

标签: semantic-id · diffusion · industrial · cold-start · transformer

📊 统计: 共 6 篇 · 精读 1 · 🏢 工业界 1 · 🎓 学术 5 · generative-rec 3 · other 1 · discriminative-rec 2

综述

今日共 6 篇，其中生成式推荐 3 篇、判别式推荐 2 篇、其他 1 篇，1 篇工业精读（腾讯 BARGE），其余 5 篇为学术 brief。主线是「把为自然语言设计的序列生成范式适配到推荐」：代表作 BARGE（腾讯，reading_score 9）把生成式推荐相对推荐任务的结构性错配形式化为编码器侧「item-boundary gap」与解码器侧「semantic-drift gap」两个正交鸿沟，用 ICA、HPR、DPD 三个轻量正交模块分别弥合，Amazon 全指标 SOTA 且线上 A/B CTR +0.60%，是把学术范式打磨到工业可用的范本。同一方向上，DLMRec 用离散扩散语言模型 + 协同感知随机分词器，为自回归 next-token 提供双向替代；另一篇则在绝对时间时序协议下审视 semantic-ID 生成能否触达冷物品，指出其「组合但非完全开放」的边界。判别式一侧，LO-FAR 提出纯 CPU、模型无关的稀疏特征排序工作流（475 特征约两 CPU 小时），PRL 用因果贝叶斯做即插即用残差学习；CCBR 则从物品内容推断文本用户画像实现可控推荐。值得关注的趋势：生成式推荐正从「照搬 LLM 架构」转向「针对推荐结构做定向修正」，semantic-ID 的边界（冷启动、语义漂移）与扩散等非自回归范式是接下来的两条主攻线。

重点论文

BARGE · ⭐ 9/10

Bridging the Structural Gap: Adapting Autoregressive Generation for Recommendation

🏢 Tencent · 生成式推荐

BARGE(腾讯)把生成式推荐相对推荐任务的结构性错配形式化为编码器侧item-boundary gap与解码器侧semantic-drift两个正交鸿沟,用ICA(item上下文注意力)、HPR(per-layer路径重排序)、DPD(OSQ-VAE正交双通道+OR-fusion)三个轻量正交模块分别弥合,Amazon全指标SOTA且腾讯线上A/B CTR+0.60%。

DLMRec · ⭐ 7/10

Diffusion Language Model for Recommendation

🎓 学术 · 生成式推荐

DLMRec 把离散扩散语言模型引入生成式推荐，用「协同感知随机分词器」将多跳协同信号编码成离散 token，配合课程式去噪训练与稳定性投票聚合，替代自回归的 next-token 范式以更好建模物品间结构依赖。

LO-FAR · ⭐ 6/10

LO-FAR: A Cost-Aware Local Filter for Sparse Feature Ranking in Industrial Ad Recommendation

🎓 学术 · 判别式推荐

LO-FAR 提出面向工业广告推荐的稀疏特征排序工作流：纯 CPU、模型无关，用轻量本地估计器从单特征留出预测信号给每个候选打分，替代 GPU 密集的重训练；在百万级日志、475 个稀疏 ID-list 特征上约两 CPU 小时完成，NE 增益与 shuffle 重要性等重方法相当。

全部论文