2026-W15 周报

日期范围: 2026-04-06 ~ 2026-04-12

主题: 生成式推荐工业化落地与序列建模规模化双线并进

标签: generative-retrieval · industrial · sequential-rec · scaling · semantic-id · rl

📊 统计: 共 28 篇 · 精读 11 · 覆盖 5 个工作日

周度综述

2026-W15 共收录推荐系统相关论文 28 篇（含精读 11 篇、摘要归档 17 篇），工业界论文占比显著偏高，来源覆盖阿里巴巴、美团、Zalando、字节跳动等头部公司，是近期工业落地密度最高的一周。

核心趋势一：生成式推荐进入工业规模部署期。 两篇高影响力工业论文集中体现这一转折：阿里 STAMP 以双端语义稀疏化（输入 SAP + 输出 MAP）解决 SID-GR 的 Semantic Dilution 瓶颈，实现 1.23-1.38× 提速与 17-55% 显存节省；美团 NSGR 则以树形 next-scale 生成式重排将候选集复杂度压至 log₂(m)，美团外卖 8 周 A/B 验证达成 +2.89% CTR / +3.15% GMV 的稳定业务增益。学术侧 FAVE 通过语义锚先验与全局平均速度约束将 flow-based 序列推荐推理步数压缩至 1 步，效率提升约 20×。

核心趋势二：工业判别式推荐转向显式稀疏与嵌入稳定性。 AliExpress 的 SSR 框架以显式稀疏交互取代 Wukong/RankMixer 的密集 transformer 架构，在亿级 CTR 数据上复现真实 scaling law；Zalando 的 LTE 通过固定语义基向量消除线上线下嵌入漂移，以工程实践角度解决长期困扰工业部署的一致性问题。字节跳动的 IAT 将全量用户交互特征压缩为紧凑实例 token，以两阶段解耦框架突破手工特征序列的信息瓶颈，已在电商广告、购物中心、直播电商三场景完成落地。

核心趋势三：LLM 推荐从微调走向 RL 推理增强。 PolyU 的 ReRec 以强化微调（RFT）配合双图奖励塑造，将推理感知引入 LLM 推荐，在 RecBench+ 上全面超越 GRPO/TaLLRec/InteRecAgent，标志 LLM 推荐开始针对任务定制奖励信号。

值得关注的警示性工作： SSS-Audit 复现 17 篇序列推荐顶会论文，发现其中 10 篇在代码中隐式使用 Sub-Sequence Splitting 但论文未声明，去除该数据泄漏后 8/10 模型性能跌至 SASRec 以下 20-55%，对当前序列推荐评测体系的可信度提出严肃质疑。

每日概览

2026-04-07

• 主题: 生成式推荐的去偏、加速与检索增强
• 论文数: 4 · 精读: 3

2026-04-08

• 主题: 生成式推荐工业落地与序列推荐评测反思
• 论文数: 10 · 精读: 4

2026-04-09

• 主题: 冷启动与 persona 建模成为今日推荐议题主线
• 论文数: 2 · 精读: 0

2026-04-10

• 主题: 工业级生成式与判别式推荐双线突破：可扩展稀疏 + 稳定嵌入
• 论文数: 7 · 精读: 3

2026-04-13

• 主题: 工业级用户行为序列建模与学术推荐表示优化并行推进
• 论文数: 5 · 精读: 1