2026-W29 周报

日期范围: 2026-07-13 ~ 2026-07-19

主题: 工业级搜推大架构统一：解耦去偏、检索 Scaling 与 LLM 高效化落地

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

📊 统计: 共 31 篇 · 精读 11 · 覆盖 5 个工作日

周度综述

本周总览

本周（2026-07-13 ~ 07-19）共 5 个工作日日报、31 篇入选、11 篇精读，节奏由周初的密集（周一 15 篇）迅速收敛到周中后段的清淡（每天 2-3 篇）。类别上判别式推荐与生成式检索/LLM 大致平分秋色，但工业界成果占据绝对主导——11 篇精读中除个别学术评估工作外，几乎全部来自阿里淘系、京东、Pinterest、Meta、美团、蚂蚁、QuintoAndar 等一线平台的全流量或线上 A/B 落地。

核心技术脉络

本周最鲜明的一条主线是「统一大架构 + 正交解耦」。从周一淘宝 CRID 把生成式检索 DocID 解耦为「语义前缀 + 业务价值序数」，到京东 MMRM 的表示解耦、淘宝 PG 的特征逻辑解耦，再到周三天猫 TMallGS 的「交互解耦」与蚂蚁 OrDA 把「兴趣 vs 访问习惯」在表示空间强制正交拆开——各家不约而同地把解耦作为大模型规模化上线的关键抓手，用来消除统一建模里的信号污染与习惯性伪正样本偏差。

第二条主线是检索与排序的 Scaling 有效性。Pinterest MESH 用门控偏置校正为稀疏内容开辟受保护梯度路径，把新鲜物品的幂律 scaling 指数提升 14 倍；TMallGS 则遵循 scaling law 放大参数拿到 +1.52% GMV，二者共同回答了「工业搜推里参数怎么放大才真正有效」的问题。

第三条主线是 LLM 推荐的高效化落地。周中 QuintoAndar 展示了 zero-training、纯 prompt 的轻装 LLM 重排（只动重排、配 LLM-as-a-Judge 离线闭环，+5.3% CTR）；而周末的重磅 RecGPT-V3 更给出代际范式——用有状态 Memory Hub、双模态语义 ID 与「潜意图压缩」（显式 CoT 压进不超过 10 个 latent token）替代低效显式推理，端到端算力反降 52.4% 的同时 GMV +3.97%，标志 LLM 推荐正从「堆砌显式 CoT」转向「有状态记忆 + 潜意图压缩 + 线上 ranker 反哺奖励」。

值得关注的代表作

• CRID（淘宝，2607.11392）：DocID 解耦码本，同时消碰撞、对齐成交并支持免重训增量更新，全流量 +1.06% GMV。
• MMRM（京东，2607.11326）：单一 MLLM 骨干一次前向对齐四路协同信号，搜索全量三指标齐升。
• MESH（Pinterest，2607.12392）：模块化架构修复异构 Scaling Bias，新鲜物品 scaling 指数 ×14。
• TMallGS（天猫，2607.13398）与 OrDA（蚂蚁，2607.13420）：正交解耦去偏双璧，分别 +1.52% GMV 与 UCTR +5.64%。
• QuintoAndar LLM Re-Ranker（2607.14835）：低改造成本引入 LLM 重排的实用样本，讲全了「prompt + as-Judge + 线上收益 + 踩坑」全链路。
• RecGPT-V3（淘宝，2607.15591）：本周分量最重（9 分），效果与算力双赢的 LLM 推荐代际演进。

学术侧则以 CtrlBench-Rec 的推荐「可控性」评估、潜在推理的预算分配、更省样本的 A/B 加速估计为补充，「可控性」正浮现为下一个值得关注的评估维度。

每日概览

2026-07-14

• 主题: 工业电商三巨头齐发力：生成式检索、多模态排序与特征工程框架
• 论文数: 15 · 精读: 3

2026-07-15

• 主题: 工业界检索 Scaling、个性化瘦身与生成式训练信号扩展
• 论文数: 8 · 精读: 4

2026-07-16

• 主题: 工业级判别式推荐：统一架构解耦与访问习惯去偏
• 论文数: 3 · 精读: 2

2026-07-17

• 主题: LLM 重排在真实房产平台的轻装落地
• 论文数: 3 · 精读: 1

2026-07-20

• 主题: LLM 工业推荐：从显式推理到有状态记忆与潜意图压缩
• 论文数: 2 · 精读: 1