2026-07 月报

日期范围: 2026-07-01 ~ 2026-07-31

主题: 生成式推荐走向单模型统一，并迎来路线之争与判别信号回流

📊 统计: 共 135 篇 · 精读 46

类别分布: - 生成式推荐: 40 篇 - LLM: 35 篇 - 其他: 23 篇 - 判别式推荐: 45 篇

月度综述

本月共归档 135 篇论文、完成 46 篇精读，累计产出 21 份日报与 3 份周报。类别上判别式推荐 45 篇、生成式推荐 40 篇、LLM 35 篇、其他 23 篇，判别与生成几乎平分秋色。全月节奏前松后紧：上旬多是每天 1 至 5 篇的清淡日，月末三个工作日连续爆出 16、15、14 篇，且精读名额几乎被工业界包揽——快手、Meta、阿里、腾讯、京东、Pinterest、Snap、YouTube、亚马逊等一线平台的全流量或线上 A/B 结果构成本月主体，学术侧集中在 tokenization、去噪、评估基准与 scaling law 等方法层面，整体呈现“工业收敛、学术发散”的格局。

最鲜明的主线是生成式推荐的解码结构之争。快手 UniR² 把用户上下文、SID 生成轨迹与排序特征拼进单条 decoder-only 序列，用双查询前缀因果注意力隔离两类任务，端到端推理耗时降 54.29%；Multi-Decoder OneRec 反其道而行，用共享基座加隔离 LoRA 专家按业务目标切分参数，巴西 A/B 十一项指标全正；PSG 把生成原子升为有序物品对使解码步数减半；DIRECTOR 干脆放弃自回归，一次并行生成连续检索索引并配容量约束最优传输，线上 CPU 降六成。一个月内，单序列统一、参数隔离、成对解码与非自回归四条路径同台竞争。

第二条主线是生成式检索该不该用的正面冲突。Snap 的 EGR 弃用 SID，用共享 LLM 同时编码物品与用户历史，推理退化为标准 MIPS，线上 CVR +2.91% 并已全量；仅隔数日，Meta 的 The Case Against Generation for Retrieval 论证生成式检索在 web 规模属架构错配，改用判别式双塔后 0.6B 学生反超 8B 的 OneRec-Think。同一问题给出相反结论，是本月最值得记录的分歧。

第三条主线是判别信号从解码通道退回监督与奖励通道。京东 OxygenREC-v2 把行为指令注入解码前缀，用可验证命中率奖励加特权 teacher 自蒸馏替代外部奖励模型，六个生产场景 GMV 提升 2.8% 至 6.8%；快手与中科院的 RGD 以 KL 正则奖励最大化的闭式解在每个 SID 解码步重加权，切换业务目标无需重训生成器；RecoReward 让推荐器信号只进训练奖励、不进生成输入，物品描述保持全量可缓存。

第四条主线是算力与表征上的务实取舍。腾讯 CCFormer 用特征域分离的定向交叉注意力加 Conv1D 逐层序列压缩，训练较 HSTU 快 2.21 倍、CTR 提升 3.57% 并已全量部署；Meta 的 ROCS 把与候选无关的计算按请求复用，回放 QPS 提升 47% 至 196%，Mosaic 以用户嵌入专家舰队替代单一大编码器把 GPU 服务用量降 79%；阿里 SpecFormer 把推荐 Transformer 的深度失效归因于“谱坍缩”并以可学习幂律谱软化修复；YouTube 的 ClockRoPE 借 Bochner 定理把 RoPE 推广为随机傅里叶旋转以刻画用户作息，零新增参数上线。

落地价值最高的仍是阿里淘宝 RecGPT-V3：有状态 Memory Hub、双模态语义 ID 与不超过 10 个 latent token 的潜意图压缩三管齐下，1% 流量对 V2 取得 GMV +3.97%，端到端算力反降 52.4%，是本月唯一“效果与算力双赢”的代际演进。腾讯 BARGE 把生成式推荐的结构错配拆成 item-boundary 与 semantic-drift 两个正交鸿沟逐一弥合，Pinterest MESH 把新鲜物品的幂律 scaling 指数提升 14 倍，PinEqualizer 已线上运行两年、累计新鲜内容曝光增长 350%，Meta WHALE 让 Wukong 与 HSTU 在每层内逐层融合并已部署。

值得关注的苗头有三：其一，可解释与自省正成为新竞争点，快手 LGRID 让 SID 每一位绑定具名属性，阿里 LoopMemGR 补上系统对自身推荐决策的记忆；其二，分发的价值取向被纳入同一套优化目标，曝光公平、可控性评估与 Web-RAG 推荐器的对抗面（SIREN 单页投毒 124 试 62 成）同时浮现；其三，月末收录的 Kimi K3 技术报告提示前沿基座模型的进展仍会持续外溢到推荐链路。

周度回顾

2026-W28

生成式推荐工业闭环与 LLM 效率：从算力扩展到毫秒级检索
论文 16 篇

2026-W29

工业级搜推大架构统一：解耦去偏、检索 Scaling 与 LLM 高效化落地
论文 31 篇

2026-W30

推荐系统规模化与分发价值对齐：从统一骨干到曝光去偏
论文 25 篇

每日索引

2026-07-02 — LLM 语义驱动的工业召回负采样,兼及大模型量化与在线对齐 (4 篇)
2026-07-03 — 召回规划与 LLM 数据工程:把静态流水线重构为可导航结构 (3 篇)
2026-07-07 — 生成式推荐主导:Semantic ID 统一检索排序与 LLM 推荐偏置校正 (5 篇)
2026-07-08 — 小模型级联逼近前沿:低成本 KOL 检索重排推理 (1 篇)
2026-07-09 — LLM 推理效率、多模态智能体推荐与联邦学习鲁棒性 (3 篇)
2026-07-10 — 工业级推荐与 LLM 双线：算力扩展、生成式检索提速、回归校准 (6 篇)
2026-07-13 — 生成式推荐信息利用：从 raw ID 到 semantic ID 与语义规划 (1 篇)
2026-07-14 — 工业电商三巨头齐发力：生成式检索、多模态排序与特征工程框架 (15 篇)
2026-07-15 — 工业界检索 Scaling、个性化瘦身与生成式训练信号扩展 (8 篇)
2026-07-16 — 工业级判别式推荐：统一架构解耦与访问习惯去偏 (3 篇)
2026-07-17 — LLM 重排在真实房产平台的轻装落地 (3 篇)
2026-07-20 — LLM 工业推荐：从显式推理到有状态记忆与潜意图压缩 (2 篇)
2026-07-21 — 工业级推荐:统一大模型骨干与标签去偏双线并进 (7 篇)
2026-07-22 — 生成式检索与推荐 tokenization：把业务价值与拓扑结构注入 Semantic ID (5 篇)
2026-07-23 — 推荐系统降本与规模化：从工业级 LLM 推理聚类到统一排序 benchmark (4 篇)
2026-07-24 — 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 (6 篇)
2026-07-27 — 内容公平性与推荐系统的攻防、可持续双重博弈 (3 篇)
2026-07-28 — 生成式召回与判别式排序在工业系统中走向单模型统一 (16 篇)
2026-07-29 — 生成式检索路线之争与奖励侧判别信号注入 (15 篇)
2026-07-30 — 生成式推荐的工业重构：解码结构与位置编码双线并进 (14 篇)
2026-07-31 — 工业界两条战线：算力效率与决策可解释 (11 篇)