2026-W31 周报

日期范围: 2026-07-27 ~ 2026-08-02

主题: 生成式推荐路线分化与工业效率重构

标签: industrial · semantic-id · transformer · rl · inference-serving · agent

📊 统计: 共 76 篇 · 精读 33 · 覆盖 6 个工作日

周度综述

本周 6 份日报共收录 76 篇论文、精读 33 篇。按日报分类口径（存在跨类重复）生成式推荐 33 次、判别式推荐 26 次、LLM 15 次、其他 11 次；工业界论文全程占主导，7 月 31 日与 8 月 4 日两天的精读清一色出自产业界，纯学术工作主要集中在 scaling law 与表征分析。

第一条主线是生成式检索的路线分化。快手 UniR² 把用户上下文、SID 生成轨迹与排序特征压进单条 decoder-only 序列，用双查询前缀因果注意力隔离两类任务，端到端推理耗时降 54.29%；Multi-Decoder OneRec 以共享基座加隔离专家承接多目标召回。Meta 的“The Case Against Generation for Retrieval”则反向论证 web 规模下生成式检索属架构错配，主张退回判别式双塔；快手与中科院的 RGD 给出折中路径——把判别信号搬到奖励侧，用 KL 正则最优解在每个 SID 解码步重加权，切换业务目标无需重训生成器。

第二条主线是效率重构，且一律以线上成本收益说话。腾讯 CCFormer 用特征域分离的交叉注意力加分层序列压缩，训练比 HSTU 快 2.21 倍、CTR 提升 3.57% 并已全量部署；谷歌与 YouTube 的 ClockRoPE 借随机傅里叶旋转零增参刻画用户作息；Meta 的 ROCS 抽出候选无关计算按请求复用，回放 QPS 提升 47% 至 196%，GRACE 则以不物化子树的个性化 trie 把广告召回解码 P99 压进算力窗口。

第三条主线是训练信号与决策结构的显式化。Shopee 的 KGD 把预训练知识与下游几何拆给两个参数所有者，让 encoder 每日刷新而不失效下游适配，单用户 GMV 提升 1.75%；Netflix 的 Exp-RSFT 按指数奖励加权做纯离线微调，并诚实披露学出的奖励模型打不过 Item Mean；快手 FGPD 拆开意图理解与行动策略后蒸馏进轻量生成器，线上收入涨 4.5%，RecHarness 更用 Thompson Sampling 路由模型编辑，把自演进做成可上线的工程框架。

每日概览

2026-07-28

主题: 生成式召回与判别式排序在工业系统中走向单模型统一
论文数: 16 · 精读: 6

2026-07-29

主题: 生成式检索路线之争与奖励侧判别信号注入
论文数: 15 · 精读: 6

2026-07-30

主题: 生成式推荐的工业重构：解码结构与位置编码双线并进
论文数: 14 · 精读: 6

2026-07-31

主题: 工业界两条战线：算力效率与决策可解释
论文数: 11 · 精读: 6

2026-08-03

主题: 工业推荐的高效建模与自适应演进
论文数: 7 · 精读: 4

2026-08-04

主题: 生成式推荐工业化：预训练刷新、离线后训练与服务加速
论文数: 13 · 精读: 5