2026-W28 周报

日期范围: 2026-07-06 ~ 2026-07-12

主题: 生成式推荐工业闭环与 LLM 效率：从算力扩展到毫秒级检索

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

📊 统计: 共 16 篇 · 精读 4 · 覆盖 5 个工作日

周度综述

本周（07-06~07-12）聚合 5 个日报共 16 篇入选、4 篇精读；类别以生成式推荐与 LLM 效率为双主线，判别式推荐与系统方向为辅。工业界密集发声：腾讯、阿里、快手、字节多家大厂占据全部精读名额，学术工作则集中在时间建模、缓存压缩与联邦鲁棒性等精细化议题，整体呈现「工业收敛、学术发散」格局。

技术趋势有三。其一，Semantic ID 生成式推荐持续深化并走向工业闭环：阿里 Lazada 的 UniSGR 把 semantic-id 生成式检索与多目标排序统一进单个 MoE encoder-decoder，用价值加权多 token 预测把生成对齐到 click/atc/pay，STARK 树注意力提速 beam search 约 200%，线上 GMV +5.68%。其二，生成式检索与 LLM 推理的「提速与扩展」成为焦点：阿里 HUJING 的 DaV-Gen 借鉴投机解码，用「起草-验证」把视频搜索延迟压到约 70ms（2.5x 于级联）、在线 ATS +2.09%；腾讯 WeChat AI 的 Hidden Decoding 沿序列长度维度扩算力，首次在 100B+ MoE（WeLM-HD4-80B/617B）实现前沿规模的 test-time scaling。其三，重尾回归校准与偏置纠正走向可部署：快手 PIT-SUN 用经验边际 CDF 表为观看时长/GMV/LTV 等重尾零膨胀目标提供一致校准，线上观看时长 +0.318%；学术侧 LBR 双端纠正 LLM 推荐的长度偏置，Fractal KV-Cache 把量化 KV cache 无损压缩 36–54 倍。

值得关注的论文：UniSGR（检索-排序统一，当周分数最高的工业系统）、Hidden Decoding（序列长度维度的前沿规模算力扩展）、DaV-Gen（毫秒级生成式检索）、PIT-SUN（重尾目标一致校准）、From Raw IDs to Semantic Planning（提出「语义规划」这一 semantic-id 演进新方向的框架性立场文）。综合看，本周主线是工业界把 semantic-id 生成式推荐与 LLM 效率方法收敛为有 A/B 增益的可落地系统，学术界则在时间、缓存、偏置等维度补齐细节。

每日概览

2026-07-07

主题: 生成式推荐主导:Semantic ID 统一检索排序与 LLM 推荐偏置校正
论文数: 5 · 精读: 1

2026-07-08

主题: 小模型级联逼近前沿:低成本 KOL 检索重排推理
论文数: 1 · 精读: 0

2026-07-09

主题: LLM 推理效率、多模态智能体推荐与联邦学习鲁棒性
论文数: 3 · 精读: 0

2026-07-10

主题: 工业级推荐与 LLM 双线：算力扩展、生成式检索提速、回归校准
论文数: 6 · 精读: 3

2026-07-13

主题: 生成式推荐信息利用：从 raw ID 到 semantic ID 与语义规划
论文数: 1 · 精读: 0