2026-07-27 日报

主题: 内容公平性与推荐系统的攻防、可持续双重博弈

标签: cold-start · industrial · search-ranking · pretrained-lm

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

综述

今日共收录 3 篇论文，1 篇精读、2 篇速览，横跨工业系统（other）、LLM 与判别式推荐三个方向，工业与学术各半。当日主线可概括为「谁的内容被看见、又该如何被看见」——从曝光公平、对抗操纵到可持续目标，三篇论文从不同侧面追问推荐分发的价值取向。代表作是 Pinterest 的 PinEqualizer，一套已线上部署两年的全漏斗内容冷启动去偏系统，横跨 corpus selection→retrieval→ranking→utility 四阶段，鲜明地主张「去偏优先于显式探索」：以 feature dropout、内容类型感知校准与纯内容/VLM embedding 抑制「富者愈富」的曝光马太效应，再辅以 Thompson/UCB/Neural-Linear-UCB 探索，并用「长期 fresh-content holdout 北极星→content graduation 语料代理→under-explored engagement」三层度量框架量化长期价值，累计带来 350% 新鲜内容曝光增长、成功内容提供者 +99%。另两篇从对立与延展视角呼应此主线：SIREN 揭示 Web-RAG LLM 推荐器的脆弱性，将 PAIR 越狱循环改造成「攻击者—裁判」竞争性排名操纵，仅编辑单一网页（23 类内容投毒技术）即可在两个生产级 Claude 模型上把目标推到 rank1（124 试 62 成、复现均值 0.805），并发现声明式排名论断比指令式注入更奏效；GRACE 则把「绿色推荐」目标（eco-score 等可持续信号）注入预训练推荐器，用可导近似绕过绿色分数离散不可导、梯度投影缓解与精度目标的冲突，在提升可持续性的同时基本保住精度。值得关注的趋势：推荐分发正从单一 CTR/精度导向，转向对曝光公平、鲁棒性与社会/生态价值的多目标权衡，而 Web-RAG 推荐器的对抗面则提醒我们，可解释的排名论断本身也可能成为新的攻击载体。

重点论文

PinEqualizer · ⭐ 7/10

PinEqualizer: Full Funnel Content Exploration and Debiasing System at Pinterest

🏢 Pinterest · 其他

PinEqualizer 是 Pinterest 部署两年的全漏斗内容冷启动去偏系统,横跨 corpus selection→retrieval→ranking→utility 四阶段,以'去偏优先于显式探索'的立场配合 Thompson/UCB/Neural-Linear-UCB 探索与 feature dropout/校准/纯内容 embedding 去偏,并用长期 fresh-content holdout→content graduation→under-explored engagement 三层度量框架量化长期价值,累计带来 350% 新鲜内容曝光增长与成功内容提供者 +99%。

SIREN · ⭐ 5/10

SIREN (Luring LLMs onto the Rocks): PAIR-Driven Preference Manipulation in Web-RAG Recommenders

🎓 学术 · LLM

SIREN 研究对 Web-RAG LLM 推荐器（LLM 检索并阅读实时网页后给出排序推荐）的对抗操纵，将 PAIR 越狱循环改造成「攻击者—裁判」的竞争性排名操纵方法，保持来源集合与顺序不变、仅编辑单一网页内容（23 类内容投毒技术），在两个生产级 Claude 模型上把目标实体推到 rank1，124 次试验中成功 62 次、复现平均成功率 0.805，发现声明式排名论断与种子列表比指令式注入更有效。

GRACE · ⭐ 5/10

Bringing GRACE to Recommendation: Fine-Tuning for Sustainable and Accurate Personalization

🎓 学术 · 判别式推荐

GRACE 是一套「绿色推荐」微调框架，把物品级可持续性/健康信号（如 eco-score）注入预训练推荐模型；针对绿色分数离散不可导的问题提出可导近似以直接优化绿色目标，并用梯度投影缓解绿色目标与精度目标的冲突，实验显示在提升可持续性的同时基本保持推荐精度。

全部论文