2026-08-24 日报

主题: Semantic ID 双线工业实践:重构码本结构与跨系统复用层次

标签: semantic-id · quantization · inference-serving · search-ranking · industrial

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

综述

今日仅 4 篇入选,规模偏小:生成式推荐 1 篇、判别式推荐 3 篇,其中 2 篇为已上线的工业工作,另 2 篇为学术研究。快手的 Dynamic PV-S2 从 SID 结构本身下手:线上三级 SID 的第二级语义码条件利用率仅 2.48%,改用单层大语义码本加一位恒定哈希消歧码,自回归解码由三步降至两步,解码 FLOPs 降约 48%,5 天 2.5% 流量 A/B 主消费指标 +0.792%;其动态码本更新只有离线证据,尚未进入线上验证。DoorDash 则不碰 tokenizer,把一次性学出的三层 SID 层次同时喂给个性化排序与搜索查询改写两个互不共享参数的系统,21 天三臂 A/B 使 carousel 加购率 +5.5%,改写侧三项指标的 95% 置信区间均不跨零,但未命名模型,也无公开数据集结果。学术侧 CAIRO 按用户上下文生成物品画像服务 LLM 重排,AdaptedKG 用知识图谱证据离线算出保留系数为序列推荐去噪。可见 SID 正沿两条方向推进:一条压缩标识符本身以省解码成本,一条在消费侧把同一套层次复用到更多系统。

重点论文

Dynamic PV-S2 · ⭐ 7/10

From a Static Multi-Level Small Semantic Codebook to a Dynamic Single-Level Large Semantic Codebook for Generative Recommendation

🏢 Kuaishou · 生成式推荐

快手把线上三级 SID（两级语义残差 + 一级协同消歧）中条件利用率仅 2.48% 的第二级语义码砍掉，改用单层大语义码本 [1024,512] 加一个跨码本版本恒定的确定性哈希消歧码，把自回归解码从 3 步降到 2 步；再用对数压缩的曝光加权 k-means、EMA 中心更新与曝光加权换码惩罚做按天动态更新，并配套重构/利用率/簇负载/碰撞/时间稳定性五维码本级离线评测框架；公开集上 OneRec-V1/V2 的 Recall@10 提升 5.0%–8.8%，工业七日重构相似度由衰减转为回升（相对静态 PV-S2 +1.50%，仅改动 0.4288% 物品的 SID1），解码 FLOPs 降 47.93%–48.70%、单卡 QPS 升 28.57%–47.0%，5 天 2.5% 流量线上 A/B 主消费指标 +0.792%。

One Hierarchy, Two Systems: Semantic Product IDs for Discovery-Surface Ranking and Search-Page Query Reformulation · ⭐ 7/10

🏢 DoorDash · 判别式推荐

DoorDash 把一次性从商品内容（gemini-embedding-001 + RQ-KMeans，L=3、K=512）学出的三层 Semantic ID 层次当作介于 merchant-scoped listing ID 与专家 taxonomy 之间的共享概念单元，在两个不共享参数/目标/serving 架构的生产系统里各自复用：排序侧用 L1–L3 前缀作为消费者与 submarket 行为统计的聚合键、并用 SentencePiece BPE 子词做 item/consumer 共享 embedding 的序列特征（FC vs 只删 SID 特征的 FC-A：MRR@5 +6.98% vs +2.10%、NDCG@5 +6.76% vs +2.92%），21 天线上 A/B 使 carousel 加购率 +5.5%、首位加购率 +8%、subtotal +0.31%，同时首位商品历史平均热度下降 18.1%、blockbuster 首位曝光份额下降 2.1pp；查询改写侧按业务垂类把 query 经关联 ATC 事件接地到 dominant L2（否则回退 L1、再否则保留原始 query 节点），在概念之间用 NPMI 建转移图，并加一条 L2→L3 下降路径补回被自环丢弃的同父细化，LLM 只负责把内部 SID 渲染成消费者可读 query，最后按商家在售品类过滤，意图坍缩率从 taxonomy 的 18.8% 降到 10.9%、rank-one 判定质量从字符串图的 0.522 升到 0.734，线上 purchase MRR +0.558%、ATC 位置 −1.571%、搜索滚动深度 −1.866%（95% CI 均不跨零）。

CAIRO · ⭐ 6/10

Profiling What Matters: Context-Aware Item Profiles from Large-Scale Metadata for LLM Recommenders

🎓 学术 · 判别式推荐

CAIRO 面向 LLM 重排的物品侧信息利用：先把海量异构的原始元数据与评论结构化成客观特征与主观特质，再用轻量 profiler 针对每个 user-item 对挑选最相关的信息，生成简洁且随用户上下文变化的物品画像，以有限的在线开销为 LLM 排序决策提供针对性的物品侧证据。

AdaptedKG · ⭐ 5/10

Adapting Knowledge Graphs for Behavior Denoising in Sequential Recommendation

🎓 学术 · 判别式推荐

AdaptedKG 用知识图谱证据为序列推荐做行为去噪：先把观测上下文与结构匹配的替代上下文对比，挑出异常显著的关系路径构成局部 KG 视图，再在该视图内用结构匹配的参照物品校准每次交互的支持度；得到的保留系数用于门控历史表征并重加权目标损失。所有样本级分数用训练交互与固定 KG 离线算好，主干模型不变、推理时无需访问 KG。

全部论文