2026-W25 周报

日期范围: 2026-06-15 ~ 2026-06-21

主题: 大模型原生推荐架构横扫判别式与生成式两线,工业落地密集

标签: industrial · pretrained-lm · transformer · semantic-id · search-ranking

📊 统计: 共 24 篇 · 精读 8 · 覆盖 4 个工作日

周度综述

本周(06-15 至 06-21)共收录 24 篇论文,集中在 06-16 至 06-19 四个工作日;类别上判别式推荐占主导,生成式推荐、LLM 与检索(other)并行,工业界参与度极高,Shopee、快手、腾讯、网易云音乐、Meta、Zalando 等悉数登场。本周呈现三条主线。其一,Transformer/大模型正成为推荐系统的原生底座,同时重塑判别式排序与生成式检索:OneRank(Shopee)把多任务推理内化进 Transformer 栈,消除编码器-预测器分离,线上 GMV/UU +1.01%;OneBar(快手)用单个 BART encoder-decoder 取代多阶段检索级联,Guided GMV +21.67%;G2Rec(Meta)以谱稀疏化的 item 共参与图聚类出兴趣原型 token,交替喂入 Llama2-13B 自回归推荐,已多场景上线。其二,检索与推荐被重新形式化——NNN 把稠密检索重构为非负联合解码,理论证明严格优于内积检索;RecLoop 借 LLM 用户模拟器量化生成式推荐的“码空间结构性茧房”。其三,冷启动与表征工程持续攻坚:DIF(快手)以暖物品协同信号为冷物品隐式反馈去噪,十亿级上线;VCG(Zalando)证实判别式 CLIP 优于生成式 LLM embedding 做多模态召回,深度完播 +50%;TAPF(腾讯)以零额外推理成本的极性门控普惠提升 CTR。此外 Arch-Warmup 用幂迭代在线约束十亿参数 Transformer 曲率以抑制 loss spike,SAERec 用稀疏自编码器解耦可解释意图先验。总体看,工业落地与大模型训练稳定性并重,Llama 主干加兴趣 token 化仍是生成式推荐的主路线,值得持续跟踪。

每日概览

2026-06-16

• 主题: 工业级 Transformer 原生推荐架构与生成式范式双线推进
• 论文数: 12 · 精读: 5

2026-06-17

• 主题: 检索与推荐的重新形式化:联合解码、闭环茧房与曝光设计
• 论文数: 6 · 精读: 0

2026-06-18

• 主题: 冷启动推荐双线攻坚:隐式反馈去噪与多模态召回
• 论文数: 3 · 精读: 2

2026-06-19

• 主题: 大模型表征的结构化与冗余精简
• 论文数: 3 · 精读: 1