2026-W30 周报

日期范围: 2026-07-20 ~ 2026-07-26

主题: 推荐系统规模化与分发价值对齐：从统一骨干到曝光去偏

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

📊 统计: 共 25 篇 · 精读 6 · 覆盖 5 个工作日

周度综述

本周 5 份日报共 25 篇：判别式推荐 12 篇、生成式推荐 6 篇、其他 4 篇、LLM 3 篇；6 篇精读全部出自工业系统（Meta、快手、阿里、亚马逊、腾讯、Pinterest），学术侧集中在 tokenization、去噪与自监督等方法层面。主线之一是主干的规模化统一：Meta 的 WHALE 让 Wukong 的高阶特征交互与 HSTU 的长序列建模在每层内并存，以跨分支注意力逐层融合，三方向 scaling 一致领先并已部署（主指标 +0.113%）。之二是 Semantic ID 与生成式范式的定向修正，重心从“怎么量化”转向“量化里该编码什么”：阿里 TSGR 把商业价值注入并行码本与价值感知排序模块，单模型兼任检索器与预排序器，线上 GMV +1.64%；腾讯 BARGE 把结构错配拆成 item-boundary 与 semantic-drift 两个正交鸿沟逐一弥合，线上 CTR +0.60%；TopoTok 修复量化导致的语义拓扑失真，DLMRec 用离散扩散替代自回归解码。之三是降本与可信优化：亚马逊的两阶段聚类把簇内代表选择 reframe 为 α-ball 覆盖的 Set Cover 并给出可证明护栏，3800 万客户流水线的下游 LLM 成本与延迟降约 50 倍、质量仅降 0.7%；快手 UAME 把满意度标签重构为高斯打分变量，反过来用不确定性纠偏。周末转向分发的价值取向：Pinterest 已上线两年的 PinEqualizer 主张“去偏优先于显式探索”，全漏斗抑制曝光马太效应，累计新鲜内容曝光 +350%；SIREN 揭示 Web-RAG 推荐器可被单页投毒操纵排名（124 试 62 成）。整体看，工业界在把主模型推向更大更统一骨干的同时，正把可证明护栏、标签去偏与曝光公平纳入同一套优化目标。

每日概览

2026-07-21

主题: 工业级推荐:统一大模型骨干与标签去偏双线并进
论文数: 7 · 精读: 2

2026-07-22

主题: 生成式检索与推荐 tokenization：把业务价值与拓扑结构注入 Semantic ID
论文数: 5 · 精读: 1

2026-07-23

主题: 推荐系统降本与规模化：从工业级 LLM 推理聚类到统一排序 benchmark
论文数: 4 · 精读: 1

2026-07-24

主题: 生成式推荐：从自回归到扩散，弥合序列生成与推荐的结构鸿沟
论文数: 6 · 精读: 1

2026-07-27

主题: 内容公平性与推荐系统的攻防、可持续双重博弈
论文数: 3 · 精读: 1