2026-W26 周报

日期范围: 2026-06-22 ~ 2026-06-28

主题: 扩参边界与 LLM Agent 驱动的工业推荐自迭代

标签: industrial · pretrained-lm · parameter-scaling · semantic-id · search-ranking

📊 统计: 共 24 篇 · 精读 5 · 覆盖 5 个工作日

周度综述

本周共收录 24 篇论文（其中 5 篇精读），类别覆盖判别式推荐、生成式推荐与 LLM 三大块，工业与学术约各占半壁——快手、腾讯密集发力，其余多为学术工作。三条主线贯穿全周：其一是“扩参的代价与边界”，SPRINT 揭示 Transformer 序列推荐扩参在提精度的同时放大流行度偏置，量化理论证明 1.58-bit 为权重量化极限，可塑性研究发现持续学习的可塑性损失随规模仅次线性衰减，而快手 UniFormer 把 scaling 从组件级推进到 model-centric（拆分特征空间 FIM 与任务空间 TIM 分别堆叠扩参）；其二是 LLM agent 从辅助工具走向工业推荐系统自动演进的主循环，腾讯 NOVA 以“架构梯度”搜索加多阶段验证级联在训练前拦截“能跑但结构无效”的静默失败（线上 GMV +1.25%~2.02%），快手 AgentX 把 idea-to-launch 闭环整体自动化，三周将 374 个想法转化为 10 个上线；其三是“推荐即生成”与语义 ID 的角色升级，快手 RaG 用“解耦语义 ID”把 GRM 预测的兴趣 ID 经多智能体视频生成解码为全新个性化视频，在 4 亿日活广告场景提升广告收入 1.87%，语义 ID 由“检索索引”升级为“生成条件”。工业侧另有 PermR 将收益最大化重排建模为带逐查询相关性约束的整数线性规划，以邻位交换近似在生产延迟内恢复约 63% 增益、线上 A/B 收益 +2%。学术侧值得关注 IntuRec（为 LLM 隐空间推理注入“推荐直觉”先验，引导推理沿更准轨迹探索）与 MO-DiT（球面 flow-matching 扩散 transformer 向召回侧渗透）。整体看，规模化重心转向 model-centric 且开始正视公平与表达力边界，LLM 正同时扮演生成器、评估器与系统演进“自动工程师”三重角色。

每日概览

2026-06-23

• 主题: 推荐扩展的代价与 LLM 驱动的评估新范式
• 论文数: 8 · 精读: 0

2026-06-24

• 主题: Scaling law 透视:LLM 蒸馏、可塑性与基础模型再评测
• 论文数: 4 · 精读: 0

2026-06-25

• 主题: 推荐即生成与序列意图建模:工业、学术双线推进
• 论文数: 2 · 精读: 1

2026-06-26

• 主题: Agent 驱动工业推荐自迭代与 model-centric 扩参双线
• 论文数: 6 · 精读: 4

2026-06-29

• 主题: 推荐系统:LLM隐空间推理、工业收益重排与基准评估
• 论文数: 4 · 精读: 0