2026-W27 周报

日期范围: 2026-06-29 ~ 2026-07-05

主题: 工业推荐向单一生成式模型收敛,召回从静态相似度重构为可导航实时结构

标签: industrial · semantic-id · search-ranking · pretrained-lm · rl · contrastive-ssl

📊 统计: 共 18 篇 · 精读 5 · 覆盖 4 个工作日

周度综述

本周共 18 篇入选:生成式推荐、判别式推荐与 LLM 三分天下,工业界(快手、Netflix、Meta、淘宝)以约七篇精读论文全面领跑,学术工作集中在周后半程。主线有三:其一,工业推荐正从多阶段判别式栈收敛为单一生成式模型——Netflix GenPage 用单个 decoder-only Transformer 自回归生成整张结构化首页,以 NTP 预训练替代多阶段栈,线上互动 +0.24%、延迟 −20%;Meta GR2 首次把 LLM 显式 CoT 推理系统化引入工业重排,经语义 ID mid-training + 推理链蒸馏 + 可验证奖励 RL,工业流量 +18.7% R@1、serving ROI 约 15×;淘宝 ShopX 则以语义可恢复 SID 把 agentic 购物的意图、规划与 item 操作统一进单一基础模型。其二,召回/检索从静态相似度抽取重构为有状态、可导航的动态结构——快手 POEM 融合下游排序偏序信号实现每请求实时兴趣刷新(人均时长 +0.249%),IID-Nav 把召回改造成目标驱动的图导航(Recall@500 +36.35%),学术侧 Planning over MF MDPs 将 top-K 召回建模为 MDP、以闭式 fold-in 做一步前瞻。其三,LLM 语义与多模态能力持续下沉到系统底层:Meta Cluster GOOBS 从语义簇内实时采难负样本、O(1) 哈希池支撑十亿级召回,线上 CTR +53%;HERMES 用层级残差量化把预训练数据配比从"选固定标签集"变为可导航的粒度层级。此外 GSRQ 亚 1-bit KV 量化、异步 RLHF 稳定性与合成数据双轴 scaling 等工作,共同夯实"更省、更快、更稳"的大模型基础设施。整体看,Semantic ID、LLM 化预训练/强化推理,以及"把静态流水线重构为可导航设计空间",构成本周最鲜明的技术底色。

每日概览

2026-06-30

• 主题: 工业推荐召回/检索的实时化与图导航重构，兼及 LLM 推荐诊断
• 论文数: 8 · 精读: 2

2026-07-01

• 主题: 工业级生成式推荐:端到端序列建模与 LLM 化推理
• 论文数: 3 · 精读: 2

2026-07-02

• 主题: 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
• 论文数: 4 · 精读: 1

2026-07-03

• 主题: 召回规划与 LLM 数据工程:把静态流水线重构为可导航结构
• 论文数: 3 · 精读: 0