推荐算法日报 - 2026-10-27
2026-10-27
| 2026-10-27
Words 14017Read Time≈ 36 min

推荐算法日报 - 2026-10-27

Section 1: 📊 Trend Analysis

🔥 生成式检索进入单位成本竞赛:SLIDE 用离线 7B 教师换在线单趟贪心、DPE-Rec 用伪轨迹蒸馏换 25.6× 加速、CRIM 用 4-token 物品记忆换 4.05× 延迟下降、Octen-WebGR 把 2 亿网页压到单卡 10GB / 2.3 GPU-ms——四篇子问题各异却指向同一 KPI。判断:GR 的论文叙事正从“能不能召回”转为“每次请求多少 GPU-ms”,教师容量与索引预算从架构约束变成可调旋钮。
💡 输入侧与表示层成为无痛增益主战场:HiRank 的有效秩、OptIDC 的三层输入配置、MuSID-KD 的前缀粒度、FLADRec 的表示级迁移,都不动在线解码与骨干,却分别拿到 2.27% 订单、+8.31% NDCG、+24.1% NDCG@10。共同判断是:当排序/生成骨干趋同,剩余空间在特征选择、SID 粒度与跨域表示注入上;代价是增益普遍细小(OptIDC 仅 +0.0016 AUC),必须靠多种子与显著性检验才能与噪声区分。
🔥 合成数据与相似度度量同时被去幻觉化:Persona 合成查询有 37.2% 的失败属幻觉、item-item 相似度 81% 全 pair 误差可由活跃度解释、GDELT 重建的完整计数 F1 只有 0.070、HYPERDOC 自称 SOTA 却未给出任何结果数字——四篇从不同角度质疑“看起来合理的信号”。判断:数据侧自检(无标注代理指标、活跃度基线、逐字段一致性)正在成为与模型创新同等重要的产出。

Section 2: 📋 今日速览

  • 淘宝搜索(据数据推断)提出 SLIDE,把物品级 beam search 蒸馏为单次贪心列表生成,FORGE HR@10 0.0441(+20.49%)并有部署信号。↗
  • 淘宝推荐排序(据数据推断)提出 HiRank,统一异构特征、长期行为与多场景建模,淘宝在线每用户订单量 +2.27%。↗
  • 未披露机构提出 Octen-WebGR,用两个 16 位 SID 把生成式检索扩到 2.012 亿网页,hit@1 59.6% 远超 dense 24.8%。↗
  • Manchester Metropolitan University 与 Autotrader UK 用 persona 条件化合成查询微调解析器,IPIP 配置增益 +1.08–2.14 F1,并审计出 37.2% 幻觉。↗
  • 未披露机构提出 OptIDC,用选择加权最优传输联合优化样本–特征–embedding 三层配置,Avazu AUC 0.7930 vs DNN 0.7893。↗
  • 未披露机构提出 DPE-Rec,以语义分叉感知 GRPO 加伪轨迹蒸馏构建捆绑包,平均 +63%、快速变体 25.6× 加速。↗
  • 未披露机构提出 FLADRec,仅在表示层迁移跨域用户知识,TenRec NDCG@10 +24.1%、训练加速 3.68×–11.57×。↗
  • 未披露机构提出 AgentMemRec,把 agent 记忆选择做成零 LLM 调用推荐级联,LongMemEval-S κ≥2 达 80.7/89.4 且成本低 3.2 倍。↗
  • 未披露机构提出 HYPERDOC,用文档超图加成本感知覆盖选择长文档证据,作者称优于 5 个基线但正文未给出数字。↗
  • 未披露机构提出 Certify,以 Horn 闭包证书判定证据充分性,2Wiki Acc 73.0%、孪生题回答率由 20.6% 降至 8.2%。↗
  • 未披露机构提出 CA-HNM,按领域结构约束构造难负例,NDCG@10 最大 Δ 为 +0.0911。↗
  • 未披露机构发布 gdelt-regkg,给出 GDELT GKG 逐字段重建一致性基线,tone CCC 0.749、完整计数 F1 仅 0.070。↗
  • 未披露机构发布 MailScope,测量 28,947 位学者主页邮箱呈现,抽取覆盖从 52.1% 提升至 95.9%。↗
  • 未披露机构用零人工对齐的强制对齐流程训练 Honorius III 登记簿 HTR,混合路线 WER 8.7%、CER 4.7%。↗
  • 未披露机构提出 TEA,直接从闭式线性自编码器权重发现主题,6 数据集 TQ 最高或持平,NDCG@10 至多低 0.004。↗
  • 未披露机构证明用户活跃度会制造 item-item“幻影相关”,ML-1M 81% 全 pair 误差可由活跃度解释。↗
  • 未披露机构提出 CRIM,用 4 个 summary token 构建可复用物品记忆,LazSeq Recall@100 0.6969(+2.49%)、延迟 4.05×。↗
  • 未披露机构提出 MuSID-KD,做前缀多粒度、位置感知的 SID 蒸馏,36/36 设置最优、平均 NDCG@10 +8.31%。↗
  • 未披露机构提出面向立法档案的 agentic 跨语言 RAG,MRR@1 0.810,3 轮重写使 Answer F1 从 0.18 升至 0.35。↗
  • 中国科大、合工大、川大联合提出 UniPRO,控制变量比较多模态融合顺序,MSR-VTT-9k SumR 220.9(较 SAVE +4.7)。↗

Section 3: 🎯 今日主题

生成式检索的规模化与单位成本:把不确定性挪到离线

问题背景。 用自回归列表生成替代倒排与向量索引后,效果上限与在线成本同时被 SID 设计和解码方式锁死。
  • 物品级训练与 beam search 缺跨物品建模、位置偏置明显,而在线多趟解码难以承受。
  • 多 token 并行解码条件独立,容易产出非法 SID,语义分叉决策被推迟到错误位置。
  • 索引扩到亿级网页时 dense 的存储与延迟线性上涨,冷门页与已见 pair 表现割裂。
  • 长用户历史让输入膨胀、物品文本被重复编码,LLM 检索成本随历史长度失控。
代表方案对比。 五篇沿“教师→学生”“标识表→查表”“历史→记忆”三条路径压缩单位成本,但切口各不相同。
  • SLIDE(淘宝搜索,据数据推断):切口是解码次数,冻结 7B 教师做 beam search 产出列表级硬目标,0.5B 学生单次贪心输出 Top-K;FORGE HR@10 0.0441(+20.49%),淘宝 +1.78% 并已推全。
  • MuSID-KD(未披露):切口是 SID 前缀的排序一致性,HCDA 按前缀层级对齐教师边缘分布、RIGD 只对正替换增益位置做 Huber 对齐;36/36 设置最优,平均 NDCG@10 +8.31%。
  • DPE-Rec(未披露):切口是并行解码的非法 SID,先以 4-token SID 加语义分叉感知 GRPO,再用伪轨迹蒸馏压缩教师轨迹;平均 +63%,快速变体 25.6×,Spotify K=30 延迟 62.34ms。
  • Octen-WebGR(未披露):切口是索引规模,URL 编为两个 16 位 SID 构成 65,536×65,536 表,trie 约束 beam search 后查表还原;201M 网页 hit@1 59.6% vs dense 24.8%,单卡 10GB。
  • CRIM(未披露):切口是历史长度,物品用 4 个 summary token 建可复用记忆、请求编码器按序组合并缓存;LazSeq Recall@100 0.6969(+2.49%),延迟 4.05×、输入长度 −80.75%。
核心差异。 五篇都在做“离线重、在线轻”,但优化的对象和风险点并不同。
  • 沿“教师容量 vs 学生容量”轴:SLIDE 与 DPE-Rec 都靠大教师带小学生,前者明言教师容量是增益关键,后者把收益押在解码轨迹质量上;在线端一个是纯贪心、一个仍需阈值并行,成本结构不可互换。
  • 沿“标识空间 vs 记忆空间”轴:Octen-WebGR 用巨大但静态的 SID 表换 O(1) 查表,扩展性强但冷门页落后 dense(14.3% vs 24.3%);MuSID-KD 与 CRIM 把知识压进学生参数或 4-token 记忆,复用性强但依赖物品侧语义稳定。
  • 共同短板:五篇中四篇仅离线,只有 SLIDE 有部署信号,教师同规模退化、线上绝对值均未报告。
  • 点睛:这一批工作的真正分野不在模型结构,而在“把哪一段不确定性挪到离线”。
趋势判断。 下一阶段竞争会围绕“离线预算能换多少在线 GPU-ms”展开,而非再刷一个 HR@10。
  • 列表级与前缀级蒸馏会成为默认组件:SLIDE 与 MuSID-KD 分别从输出序列和 SID 前缀两侧证明教师信号可压缩而不改解码,RL 与蒸馏的合并是自然下一步。
  • 亿级索引的可行性已被验证,但冷门页缺口会把“GR + dense/BM25 混合路由”推成标配。
  • 效率叙事需要补线上闭环:当前多为单卡实测延迟与外推成本,缺 A/B 与周期,CRIM、DPE-Rec 的成本数字在真实流量下仍待验证。
方案
机构
提升幅度
部署状态
数据规模
场景泛化
置信度
SLIDE
淘宝搜索(据数据推断)
FORGE HR@10 +20.49%;淘宝 +1.78%
✅ 已推全(信号)
FORGE 测试 25,041;淘宝 16,248
⚠️ 电商搜索
中
Octen-WebGR
未披露
hit@1 59.6% vs dense 24.8%(+34.8pp)
❌ 仅离线
2.012 亿 URL、11.3 亿 pair
⚠️ 导航型网页搜索
高
MuSID-KD
未披露
平均 NDCG@10 较 Base KD +8.31%
❌ 仅离线
4 个 Amazon/Steam 数据集
⚠️ SID 生成式推荐
高
DPE-Rec
未披露
平均 +63%;快速变体 25.6× 加速
❌ 仅离线
Spotify/POG/IQON3000,候选集 100×
⚠️ 捆绑包构建
中
CRIM
未披露
Recall@100 +2.49%;延迟 4.05×
❌ 仅离线
LazSeq 约 30,000 请求、49,993 物品
✅ 跨三数据集
中

Section 4: 📰 Daily Digest

1. SLIDE: Search-to-List Item Distillation for Single-Rollout Generative Retrieval

🔗 原文:https://arxiv.org/abs/2610.34764
🏷️ 来源:[🏭 工业界 | 未披露(实验基于淘宝搜索数据)]
👥 团队:淘宝搜索生成式检索团队(据数据与作者推断)
🎯 业务场景:电商搜索 / 生成式检索
✍️ 主要贡献人:Tianyu Zhan、Gui Ling、Ran Tao
🏛️ 代表组:未披露
⭐ 评分:⭐⭐⭐⭐ (4/5)
🎯 推荐理由:把离线 beam search 蒸馏成单次贪心列表生成,直接击中生成式检索的部署成本痛点。
📝 摘要:SLIDE 针对生成式检索逐物品训练与物品级 beam search 缺乏跨物品建模、位置偏置明显的问题,把离线物品级搜索转为列表级蒸馏:冻结教师做 beam search,按分数拼接 SID 作为硬目标,学生从预训练 checkpoint 初始化并做 token 级 NLL,推理时单次贪心生成 Top-K。FORGE 与淘宝数据上,0.5B 学生配 7B 教师将 HR@10 提至 0.0441 和 0.4578,较 beam search 参考提升 20.49% 与 1.78%。其价值在于以离线教师扩容换在线单趟解码。
🔬 实验评估:
  • 📈 提升幅度:FORGE HR@10 0.0441 vs 0.0366(+20.49%);淘宝 HR@10 0.4578 vs 0.4498(+1.78%),HR@20 0.5459 vs 0.5432
  • 🚀 部署状态:✅ 已推全(信号提示已部署;线上范围与指标未报告)
  • ⏱️ AB 周期:未报告
  • 📊 数据规模:FORGE 测试 25,041;淘宝搜索测试 16,248;训练规模未报告
  • 🔄 离线-线上一致性:仅离线指标与部署信号,未报告线上对照,无法核验
  • 🎯 场景泛化性:⚠️ 特定场景(电商搜索/生成式检索)
  • 🔍 业内对标:对比物品级 beam search、同规模教师与列表级 RL;增量在于把搜索目标蒸馏为单次贪心列表生成,教师容量是增益关键
  • 🛡️ 置信度:中 + 离线结果完整且有部署信号,但机构、线上细节与同规模教师退化情况未充分披露

2. Unified Heterogeneous Feature Interaction via Effective-Rank Scaling for Recommender Systems

🔗 原文:https://arxiv.org/abs/2610.35318
🏷️ 来源:[🏭 工业界 | 未披露(实验基于淘宝 CVR 数据)]
👥 团队:淘宝推荐排序团队(据淘宝 CVR 数据推断)
🎯 业务场景:电商推荐 / 排序 CVR
✍️ 主要贡献人:Ao Zhang、Haochuan Li、Boya Du
🏛️ 代表组:未披露
⭐ 评分:⭐⭐⭐⭐⭐ (4.5/5)
🎯 推荐理由:统一异构特征、长期行为与多场景建模,并有明确线上订单增益,工业排序参考价值高。
📝 摘要:HiRank 面向工业排序中异构特征、长期行为与多场景依赖难以统一建模的问题,在统一骨干内结合门控序列注意力、候选交叉注意力、长期记忆检索、token mixing 与 High-Rank Attention,通过场景感知聚合和复合投影提升表示有效秩,缓解同质自注意力在 eRank 不一致时的低效与负迁移。淘宝 24 亿曝光 CVR 数据上,首页 AUC 0.9163、GAUC 0.7801,优于 DCNv2+DIN 等基线;在线 A/B 每用户订单量提升 2.27%,GMV/用户亦显著提升。
🔬 实验评估:
  • 📈 提升幅度:线上每用户订单量 +2.27%,GMV/用户显著提升(数值未报告);首页 AUC 0.9163 vs 基线 0.9136,GAUC 0.7801
  • 🚀 部署状态:⚠️ A/B测试中
  • ⏱️ AB 周期:未报告
  • 📊 数据规模:24 亿曝光、8700 万物品、2.06 亿用户、9400 万转化正样本,稀疏度 3.92%;首页 4.38 亿曝光、1700 万物品、9100 万用户、400 万交互、0.92%
  • 🔄 离线-线上一致性:离线 AUC/GAUC 与线上订单、GMV 同向,但缺线上幅度映射与周期
  • 🎯 场景泛化性:⚠️ 特定场景(电商首页/主搜 CVR),架构具备迁移潜力
  • 🔍 业内对标:对比 DCNv2+DIN、RankMixer、Hiformer、OneTrans、HyFormer、MDL;增量是统一异构交互与 High-Rank Attention,在可比稠密参数预算下占优
  • 🛡️ 置信度:中 + 大规模离线与线上 A/B 双重验证,但机构、AB 周期与线上绝对值未披露

3. DPE-Rec: Diversity-Preserving and Efficient Diffusion Language Model Recommendation for Bundle Construction

🔗 原文:https://arxiv.org/abs/2610.34700
🏷️ 来源:[🎓 学术界 | 机构未披露]
👥 团队:Huan Liu 团队(据作者推断,机构未披露)
🎯 业务场景:捆绑包构建 / 推荐
✍️ 主要贡献人:Pingchuan Ma、Bohan Jiang、Chengshuai Zhao
🏛️ 代表组:未披露
⭐ 评分:⭐⭐⭐⭐ (3.5/5)
🎯 推荐理由:同时处理扩散推荐中的多样性与推理效率,25.6× 加速对生成式 bundle 落地有参考意义。
📝 摘要:DPE-Rec 针对扩散语言模型构建捆绑包时语义分叉决策被推迟、并行多 token 解码条件独立导致 SID 非法的问题,先用残差向量量化构造 4-token SID,并以语义分叉感知 GRPO 按层级奖励优化;再用伪轨迹蒸馏把教师的高质量解码轨迹压缩给学生,推理时按置信度阈值并行揭示并在预算内完成。Spotify、POG、IQON3000 上相对 9 个基线平均提升约 63%,快速变体平均加速 25.6×,Spotify K=30 延迟 62.34ms,多样性指标亦更优。
🔬 实验评估:
  • 📈 提升幅度:平均 +63%;Spotify K=30 F1 0.372、OAS 0.659;IQON3000 F1 0.131;POG F1 0.198 略低于 HSTU 0.202;快速变体平均加速 25.6×
  • 🚀 部署状态:❌ 仅离线验证
  • ⏱️ AB 周期:未报告
  • 📊 数据规模:Spotify(K=30/60/90)、POG(4 件套)、IQON3000(8 件套);候选集为目录规模 100×;测试样本量未报告
  • 🔄 离线-线上一致性:仅离线,无线上验证
  • 🎯 场景泛化性:⚠️ 特定场景(捆绑包构建),方法可迁移至其他生成式列表推荐
  • 🔍 业内对标:对比 DiffGRM、UniGRec、HSTU、DDBC 等 9 个基线;增量是语义分叉优先解码 + 伪轨迹蒸馏,兼顾多样性与少步并行
  • 🛡️ 置信度:中 + 多数据集与效率实验较完整,但 POG 未胜 HSTU、机构与在线证据缺失

4. Useful Diversity or Hallucinated Variety? Persona-Conditioned Synthetic Query Generation for E-Commerce Search

🔗 原文:https://arxiv.org/abs/2610.35102
🏷️ 来源:[🤝 产学合作 | Manchester Metropolitan University、Autotrader UK]
👥 团队:MMU NLP 与 Autotrader 搜索团队
🎯 业务场景:电商搜索 / 汽车垂直搜索冷启动
✍️ 主要贡献人:Filippos Ventirozos、Tom Armitage、Mahmoud Oshagh
🏛️ 代表组:未披露
⭐ 评分:⭐⭐⭐⭐ (3.5/5)
🎯 推荐理由:不止追问合成数据是否多样,而是量化“有用多样性”与 schema 忠实性的冲突,并给出可操作的提示选择。
📝 摘要:论文追问冷启动电商搜索中合成监督的多样性是否真正有用,在 47 字段英国汽车 schema 上用 6 个 LLM、9 种 persona 条件化提示生成查询—意图对并微调 Flan-T5-Large 解析器。结果显示所有 persona 配置均优于 vanilla,IPIP 人格包在四组配对比较中提升 F1 1.08–2.14;合成语料与人类参考的 alignment sKL 可作为解析器 F1 的无标注代理(ρ=−0.917)。三评委审计发现全体失败查询中 37.2% 为幻觉,错误以丢弃约束为主,占 57.3%。
🔬 实验评估:
  • 📈 提升幅度:pas 79.62 vs n 75.98;IPIP 配对增益 +1.08–2.14 F1;主效应 p +1.73、a +1.34、s +0.76;全部配置 recall 高于 precision
  • 🚀 部署状态:❌ 仅离线验证
  • ⏱️ AB 周期:未报告
  • 📊 数据规模:合成 118,098 对(9 配置×6 LLM)、人类标注 1,214 对、生产查询 15,304 条;每解析器 10,910 训练/1,212 验证
  • 🔄 离线-线上一致性:仅离线;alignment sKL 对真实流量相关性弱(ρ=−0.350,p=.36),代理指标存在域偏移
  • 🎯 场景泛化性:⚠️ 特定场景(英国汽车电商搜索),提示策略可借鉴
  • 🔍 业内对标:对比 vanilla 与 9 种提示配置,非模型 SOTA 对比;增量是 persona 条件化合成 + 无标注代理指标 + 幻觉审计
  • 🛡️ 置信度:中 + 多 LLM、多配置与人工审计充分,但单垂直域且无在线 A/B

5. Cross-Domain Sequential Recommendation with Representation-Level User Transfer

🔗 原文:https://arxiv.org/abs/2610.35550
🏷️ 来源:[🎓 学术界 | 机构未披露]
👥 团队:跨域序列推荐与联邦学习团队(据主题推断)
🎯 业务场景:跨域序列推荐 / 隐私约束推荐
✍️ 主要贡献人:Abdulaziz Samra、Nikita Sukhorukov、Alexey Grishanov
🏛️ 代表组:未披露
⭐ 评分:⭐⭐⭐⭐ (3.5/5)
🎯 推荐理由:在严格数据隔离下仅传用户表示仍能稳定增益,为跨域推荐的合规部署提供清晰基线。
📝 摘要:FLADRec 针对跨域序列推荐中数据隔离与用户部分重叠的部署约束,仅通过表示级迁移传递知识:源域编码器生成用户表示,经 LayerNorm 与 MLP 投影后逐元素注入目标 item embedding,源编码器用目标损失梯度端到端微调,不共享原始序列或 item embedding。Amazon 三对域上多数指标领先,TenRec 与 Zvuk&MegaMarket 全目录评测中 NDCG@10 分别提升 24.1% 与 7.4%,训练较 ABXI 加速 3.68×–11.57×。
🔬 实验评估:
  • 📈 提升幅度:QK NDCG@10 0.0225→0.0283(+24.1%)、HR@10 +25.8%;Zvuk NDCG@10 +7.4%、HR@50 +20.4%;训练加速 3.68×–11.57×
  • 🚀 部署状态:❌ 仅离线验证
  • ⏱️ AB 周期:未报告
  • 📊 数据规模:Amazon Food-Kitchen、Beauty-Electronics、Movie-Book;TenRec 449,288 用户、180,951/694,609 item;Zvuk&MegaMarket 95,952 用户、822,274/453,367 item
  • 🔄 离线-线上一致性:仅离线;全目录排序较接近部署,但无线上验证
  • 🎯 场景泛化性:⚠️ 特定场景(跨域序列推荐/VFL),编码器架构可替换
  • 🔍 业内对标:对比 SASRec-2、BERT4Rec-2、MGCL、C2DSR、DREAM、ABXI;增量是严格隔离下的表示级迁移,部分基准仍不及可共享原始数据的 ABXI
  • 🛡️ 置信度:中 + 大规模数据与消融充分,但机构、在线证据缺失且部分指标非最优

6. Agent Memory as Recommendation: Recommender-System Design for Long-Term Memory of LLM Agents

🔗 原文:https://arxiv.org/abs/2610.34673
🏷️ 来源:[🎓 学术界 | 未披露(推断)]
👥 团队:Xinyu Zhang、Weiwei Sun(具体团队未披露)
🎯 业务场景:LLM agent 长期记忆与对话上下文选择
✍️ 主要贡献人:Xinyu Zhang、Weiwei Sun
🏛️ 代表组:未披露
⭐ 评分:⭐×4 (4/5)
🎯 推荐理由:把记忆选择做成零 LLM 调用的推荐级联,并用完整度分解解释增益来源,工程与理论都值得看。
📝 摘要:把 LLM agent 的长时记忆选择重写为预算化列表推荐:请求是用户、记忆是 item、上下文窗口是 slate。AgentMemRec 用 BM25+bge-m3 双通道召回、RRF 融合、LightGBM LambdaRank 排序,再按 token 预算贪心填满,选择阶段零 LLM 调用;理论分解表明准确率由 pool 与 ranking 完整度乘积决定。LongMemEval-S 上 κ≥2 得 80.7/89.4,较 Adaptive-k 提升 10.4/12.8 点,与 64 次调用的 LLM 重排器持平,服务成本低 3.2 倍;增益主要来自 slate 完整度 0.94。
🔬 实验评估:
  • 📈 提升幅度:LongMemEval-S κ≥2 为 80.7/89.4,对比 Adaptive-k 的 69.1/76.6 提升 +10.4/+12.8;LongMemEval-M 提升 +10.6/+19.3;与 64 次调用 Ref 的 79.8/89.1 基本持平;百万请求成本 $69 vs $220。
  • 🚀 部署状态:❌ 仅离线验证
  • ⏱️ AB 周期:未报告
  • 📊 数据规模:LongMemEval-S 500 题/约 100k token;-M 约 1.5M token;LoCoMo 1,540 题;排序训练 19,456 对
  • 🔄 离线-线上一致性:仅离线;未报告线上 A/B 或一致性校验
  • 🎯 场景泛化性:⚠️ 特定场景(长时记忆 QA);选择框架可迁移到通用上下文组装
  • 🔍 业内对标:Adaptive-k、DynamicRAG、HippoRAG 2、A-Mem、T-Mem、Mem0/Zep/MemOS;增量是零 LLM 调用选择,并与 64 次调用重排器打平且成本低 3.2 倍
  • 🛡️ 置信度:高——多基准、双答题模型、K=4 slate、10,000 次 bootstrap 与成本实测;但无线上验证

7. Towards a Unified Framework of Optimal Input-Side Dimensional Configuration for Deep CTR Prediction

🔗 原文:https://arxiv.org/abs/2610.35695
🏷️ 来源:[🤝 产学合作 | 未披露(推断)]
👥 团队:Chaohua Yang、Fuyuan Lyu、Xing Tang 等(机构未披露)
🎯 业务场景:CTR 预估 / 推荐广告的输入侧配置
✍️ 主要贡献人:Chaohua Yang、Fuyuan Lyu、Xing Tang
🏛️ 代表组:未披露
⭐ 评分:⭐×3.5 (3.5/5)
🎯 推荐理由:把样本、特征、embedding 三层选择统一为可协调优化,适合做 CTR 模型压缩与特征配置的工程参考。
📝 摘要:将样本、特征与 embedding 单元三层输入侧配置统一为耦合的掩码选择问题,指出现有方法各自优化会造成跨层冲突。OptIDC 用选择加权最优传输为 sample–feature、feature–embedding-unit、sample–embedding-unit 提供协调信号,配合共享退火门控与稀疏约束,搜索后硬化掩码并重训,框架与骨干无关。Avazu 上 AUC 0.7930,高于 DNN 的 0.7893 与 IDC 的 0.7915;Criteo 为 0.8113,较骨干提升 0.0016。四数据集、五骨干实验支持三层联合与 OT 协调,但增益较小,线上效果未报告。
🔬 实验评估:
  • 📈 提升幅度:Avazu AUC .7930 vs DNN .7893(+0.0037)/ IDC .7915(+0.0015),LogLoss .3722 vs .3757/.3732;Criteo .8113 vs .8097(+0.0016)/ .8110(+0.0003),LogLoss .4404 vs .4419/.4408;MovieLens-1M、AliCCP 数字未报告。
  • 🚀 部署状态:❌ 仅离线验证
  • ⏱️ AB 周期:未报告
  • 📊 数据规模:Avazu、Criteo、MovieLens-1M、AliCCP;样本规模未报告;5 个骨干、5 次随机种子、p≤0.05
  • 🔄 离线-线上一致性:仅离线;未报告线上结果
  • 🎯 场景泛化性:✅ 通用(model-agnostic,挂接 DNN/DeepFM/DCN/AutoInt/FinalMLP)
  • 🔍 业内对标:IDC、OptFS、AutoDenoise、PEP、AOP;增量是用选择加权 OT 显式协调 sample–feature–embedding-unit 跨层选择
  • 🛡️ 置信度:中——多数据集/多骨干/显著性检验,但增益小、部分主结果与消融数值缺失、无线上验证

8. Hypergraph-Enhanced Evidence Selection for Long-Context Multimodal Document QA

🔗 原文:https://arxiv.org/abs/2610.35542
🏷️ 来源:[🎓 学术界 | 未披露(推断)]
👥 团队:Wenxin Zhao、Jiachuan Wang、Xinyi Zhu 等(机构未披露)
🎯 业务场景:长文档多模态 RAG / 文档问答
✍️ 主要贡献人:Wenxin Zhao、Jiachuan Wang、Xinyi Zhu
🏛️ 代表组:未披露
⭐ 评分:⭐×2.5 (2.5/5)
🎯 推荐理由:超图保留文档结构、意图路由与预算覆盖的组合有启发性,但实验证据不足,需谨慎看待其 SOTA 声明。
📝 摘要:把长文档多模态 QA 的证据构造与选择统一为预算感知的超图覆盖问题。HYPERDOC 离线构建页面、布局块与视觉锚点超图,保留页内包含、章节包含与跨模态关系;在线由 VLM 解析意图类型、范围与硬软约束,路由检索工具形成候选池,再以字典序覆盖最大化选择超边,并用成本感知贪心按边际软增益/成本密度自适应停止,最后约束对齐与块级剪枝。三个基准上作者称优于 DocETL、M3DocRAG、MDocAgent、MoLoRAG、MHier-RAG,但正文截断,具体结果、效率与消融数字均未报告。
🔬 实验评估:
  • 📈 提升幅度:摘要未报告具体数字;仅称在 MMLongBench-Doc、LongDocURL、DocBench 上优于 DocETL、M3DocRAG、MDocAgent、MoLoRAG、MHier-RAG。
  • 🚀 部署状态:❌ 仅离线/方法验证
  • ⏱️ AB 周期:未报告
  • 📊 数据规模:MMLongBench-Doc 1,091 题/135 文档/均 47.5 页;LongDocURL 2,325/396/85.6;DocBench 1,102/229/66.0
  • 🔄 离线-线上一致性:仅离线;未报告线上结果
  • 🎯 场景泛化性:⚠️ 特定场景(长文档多模态 QA)
  • 🔍 业内对标:DocETL、M3DocRAG、MDocAgent、MoLoRAG、MHier-RAG;增量是文档超图 + 意图感知路由 + 成本感知覆盖选择,替代固定 top-K
  • 🛡️ 置信度:低——正文在实现细节处截断,缺具体结果、效率、消融与敏感性数字,无法复核 SOTA 幅度

9. Octen-WebGR: Scaling Generative Retrieval to 200 Million Web Pages

🔗 原文:https://arxiv.org/abs/2610.35256
🏷️ 来源:[🏭 工业界 | 未披露(推断)]
👥 团队:Guangwei Xu、Wenkai Zhang、Yawen Liu 等(机构未披露)
🎯 业务场景:网页导航搜索 / 大规模生成式检索
✍️ 主要贡献人:Guangwei Xu、Wenkai Zhang、Yawen Liu
🏛️ 代表组:未披露
⭐ 评分:⭐×4.5 (4.5/5)
🎯 推荐理由:少见的 2 亿网页级生成式检索实证,准确率、成本、扩展性都有硬数字,做大规模检索架构值得细读。
📝 摘要:面向数亿网页导航搜索,Octen-WebGR 将 URL 编码为两个 16 位语义 ID,经两级 k-means 构建 65,536×65,536 标识表,用点击对训练 4B/0.6B 模型,推理在 trie 上约束 beam search 并查表还原 URL。索引 2.012 亿网页时,真实流量留出集 hit@1 为 59.6%,高于 dense 24.8% 与 dense+点击先验 46.5%,hit@10 为 68.7%;单卡 10 GB、每查询 2.3 GPU-ms。优势集中在已知页面的新问法,冷门页仍逊于 dense/BM25;扩表到 201M 仅掉 4.7 点。
🔬 实验评估:
  • 📈 提升幅度:201M URL 下 hit@1 59.6% vs dense 24.8%(+34.8pp)、dense+点击先验 46.5%、BM25 9.1%;hit@10 68.7% vs 55.6%;新查询/熟悉目标 30.9% vs 17.2%;冷门页 14.3% vs dense 24.3%、BM25 25.5%;已见 pair 88.2% vs 点击表 93.4%。
  • 🚀 部署状态:❌ 仅离线验证(真实流量留出集);未报告 A/B 全量
  • ⏱️ AB 周期:未报告
  • 📊 数据规模:201,231,792 URL;11.3 亿 query–URL 对、4.79 亿查询;TRAFFIC-SEP 50,000 点击/39,150 查询;4B/0.6B 模型
  • 🔄 离线-线上一致性:仅离线;采用 9 月真实流量前向评测,未报告线上 A/B 或一致性
  • 🎯 场景泛化性:⚠️ 特定场景(导航型网页搜索);对冷门页与已见点击对不占优
  • 🔍 业内对标:dense、BM25、点击表、前沿 LLM;增量是 GR 扩到 201M,URL 从 2M→201M 仅掉 4.7 点(dense 掉 22.2),10GB vs 412GB,2.3 vs 3.9 GPU-ms
  • 🛡️ 置信度:高——2.012 亿 URL、真实流量留出集、开源模型/标识表/代码;但无线上 A/B

10. Knowing When the Evidence Is Enough: Requirement-Directed Search with Horn-Closure Certificates

🔗 原文:https://arxiv.org/abs/2610.34684
🏷️ 来源:[🎓 学术界 | 未披露(推断)]
👥 团队:Xinyu Zhang、Weiwei Sun(具体团队未披露)
🎯 业务场景:多跳 RAG / 检索证据充分性判定与拒答
✍️ 主要贡献人:Xinyu Zhang、Weiwei Sun
🏛️ 代表组:未披露
⭐ 评分:⭐×4 (4/5)
🎯 推荐理由:把“证据够了没有”变成可验证的 Horn 闭包证书,对高可靠 RAG、拒答与审计很有参考价值。
📝 摘要:将 RAG 的“证据是否足够”形式化为需求超图上的 Horn 闭包判定。Certify 先分解查询需求,按拓扑序逐项检索并由读取器做实体锚定,再对已接受事实做前向链式闭包;若目标可达,则删除过滤得到包含极小上下文并附推导证书,否则拒答并指出未满足需求。2WikiMultiHopQA 上 Acc 73.0%、SAcc 85.8%,MuSiQue 上 30.8%/74.5%;实体检查把不可回答孪生题回答率从 20.6%/13.2% 降至 8.2%/7.6%,决策准确率提升 4–13 点,证书答案正确率 80.0% vs 56.7%。
🔬 实验评估:
  • 📈 提升幅度:2WikiMultiHopQA Acc 73.0%、SAcc 85.8%;MuSiQue Acc 30.8%、SAcc 74.5%;孪生题回答率 20.6%/13.2%→8.2%/7.6%;决策准确率 +4–13 点;证书答案正确率 80.0% vs 全部检索段落 56.7%;87.6% 可追踪孪生题拒答准确指出缺失需求。
  • 🚀 部署状态:❌ 仅离线验证
  • ⏱️ AB 周期:未报告
  • 📊 数据规模:2WikiMultiHopQA 1,000 题/6,119 段;MuSiQue 1,000/11,656;HotpotQA;21M 维基段落规模
  • 🔄 离线-线上一致性:仅离线;未报告线上 A/B 或一致性
  • 🎯 场景泛化性:⚠️ 特定场景(多跳 QA/RAG);结构化需求构造依赖问题可分解
  • 🔍 业内对标:搜索智能体、图检索、充分性判别器;增量是 Horn 闭包证书 + 实体检查,无需额外模型调用,给出包含极小上下文
  • 🛡️ 置信度:中——三基准、多读取器与理论保证,但部分基线数字缺失、无线上验证,MuSiQue 绝对准确率偏低

11. CA-HNM: Constraint-Aware Hard Negative Mining for Dense Retrieval with Structured Domain Models

🔗 原文:https://arxiv.org/abs/2610.35045
🏷️ 来源:[🎓 学术界 | 未披露]
👥 团队:未披露(作者机构信息缺失)
🎯 业务场景:通用(稠密检索 / 教育领域结构化知识检索)
✍️ 主要贡献人:Ngoc Luyen Le, Marie-Hélène Abel, Bertrand Laforge
🏛️ 代表组:未披露
⭐ 评分:[⭐⭐⭐½] (3.5/5)
🎯 推荐理由:把“结构冲突”从“检索难度”中解耦的难负例构造思路,对带显式领域模型的检索场景很有借鉴价值。
📝 摘要:CA-HNM 解决稠密检索中难负例只按词法或向量接近度选取、忽视领域结构约束的问题:先用 BM25 与稠密 Top-K 并集建立候选池并剔除正例,再依据查询概念的局部类型化上下文,以确定性规则判定兄弟、前置、后置、范围层级、上下文不匹配等违规类型,在 Pure、Mixed 策略下离线构造负例,不改变双塔架构与推理流程。在 MOOCCubeX(3,781 文档)与 Course-Skill Atlas(281,153 文档)上,搭配 BGE、E5,使用 triplet、cached MNRL 两种损失并跑 10 个种子,Pure 在 8 个配置中 6 个取得更高平均 NDCG@10,4 个分层 bootstrap 区间完全在零以上,最大 Δ=+0.0911。收益依赖训练目标,三元组损失下更稳定。
🔬 实验评估:
  • 📈 提升幅度:NDCG@10 最大 Δ=+0.0911(Course/E5/triplet,95% CI [0.0617, 0.1228]);8 个配置中 6 个更高,4 个 CI 全在零以上
  • 🚀 部署状态:❌ 仅离线验证
  • ⏱️ AB 周期:未报告
  • 📊 数据规模:3,781(MOOCCubeX)+ 281,153(Course-Skill Atlas)文档
  • 🔄 离线-线上一致性:仅离线
  • 🎯 场景泛化性:⚠️ 特定场景(教育领域结构化知识图谱检索)
  • 🔍 业内对标:ANCE 等检索式难负例挖掘;增量在于引入结构化领域模型的不兼容规则,并将检索难度与结构冲突解耦
  • 🛡️ 置信度:中 —— 多编码器、多损失、多种子与分层 bootstrap 较严谨,但 4/8 配置 CI 跨零,结构消融未见一致增益

12. Agreement Between Reconstructed and Native GDELT GKG Records: A Field-Level Baseline

🔗 原文:https://arxiv.org/abs/2610.35358
🏷️ 来源:[🎓 学术界 | 未披露]
👥 团队:未披露(作者机构信息缺失)
🎯 业务场景:通用(新闻事件知识图谱 / 数据基础设施)
✍️ 主要贡献人:Nikita A. Klimin
🏛️ 代表组:未披露
⭐ 评分:[⭐⭐⭐½] (3.5/5)
🎯 推荐理由:首个 GDELT GKG 重建的逐字段一致性基线,明确了哪些字段可复用、哪些绝不可互换。
📝 摘要:论文针对 GDELT GKG 生成软件闭源、研究者无法为自行采集的文章生成兼容记录的问题,构建开源重建工具 gdelt-regkg,并给出首个逐字段一致性基线。流水线用 Trafilatura 抽取正文、Lingua 识别语言、M2M100 生成英译、spaCy 做 NER、扩展地名库做地理消解,并以冻结资源档重建 tone、主题、实体、地点、计数与引语。基于 421/432 个归档窗口、193,550 篇英文与 2,500 篇多语文章:tone MAE 1.79、CCC 0.749,人物、组织、地点 F1 为 0.646、0.417、0.654,完整计数 F1 仅 0.070。结论是重建记录与原生记录不可完全互换,须按字段逐一评估。
🔬 实验评估:
  • 📈 提升幅度:首次基线,摘要未报告相对提升;tone MAE 1.79、CCC 0.749
  • 🚀 部署状态:❌ 仅离线验证(开源工具,无线上部署证据)
  • ⏱️ AB 周期:未报告
  • 📊 数据规模:193,550 篇英文 + 2,500 篇多语文章,421/432 个归档
  • 🔄 离线-线上一致性:仅离线
  • 🎯 场景泛化性:⚠️ 特定场景(GDELT 记录重建)
  • 🔍 业内对标:既有 GDELT 使用与抽取工作;增量是首个开源重建流水线与逐字段一致性基线
  • 🛡️ 置信度:中 —— 规模大、指标全、含发布者聚类 bootstrap,但不同字段一致性差异极大且无同类基线可比

13. Beyond "[at]": A Large-Scale Measurement of Email Address Presentation on Computer Science Scholars' Homepages

🔗 原文:https://arxiv.org/abs/2610.35499
🏷️ 来源:[🎓 学术界 | 未披露]
👥 团队:未披露(作者机构信息缺失)
🎯 业务场景:通用(学术主页信息抽取 / 联系方式发现 / 反爬测量)
✍️ 主要贡献人:Aichun Huang, Xiang Li, Zheli Liu
🏛️ 代表组:未披露
⭐ 评分:[⭐⭐⭐⭐] (4/5)
🎯 推荐理由:近 3 万学者规模的多模态抽取与呈现分类体系,证明纯字符串匹配会漏掉近一半邮箱。
📝 摘要:论文首次系统测量计算机科学学者主页的邮箱呈现方式,覆盖原始与渲染 HTML、图片及链接文档,提出含 23 个子类的内容–形式–位置分类体系,并发布 MailScope 三级抽取级联(规则→双 LLM 投票裁决→Claude 爬取代理)。基于 CSRankings 32,413 条记录去重得 28,947 位学者、19,517 个可达主页,17,712 位(90.8%)抽到地址;内容 Plain 53.8%、Symbolic 23.5%、Code 18.6%、Semantic 4.1%,形式 Text 88.2%。纯字符串匹配仅覆盖 52.1%,经符号归一化、渲染解码与图像转文本升至 95.9%。结论:呈现主要按共享主机聚集,托管基础设施比学者声望更能解释差异。
🔬 实验评估:
  • 📈 提升幅度:地址抽取覆盖 52.1%(纯字符串)→ 75.3%(符号归一化)→ 93.8%(渲染解码)→ 95.9%(图像转文本)
  • 🚀 部署状态:❌ 仅离线验证(测量与框架研究)
  • ⏱️ AB 周期:未报告
  • 📊 数据规模:28,947 位学者、19,517 个可达主页、17,712 位抽到地址
  • 🔄 离线-线上一致性:仅离线
  • 🎯 场景泛化性:⚠️ 特定场景(学术主页邮箱抽取)
  • 🔍 业内对标:以往多研究采集者、单一防御或抽取器;增量是内容–形式–位置联合刻画与托管生态分析
  • 🛡️ 置信度:中高 —— 人工校验加权一致 94.4%,三轮各 500 页复现 91–92%,但机构归属未披露

14. Reading the Registers of Honorius III without Manual Line Transcription: Forced-Aligned HTR, End to End, Modular or Hybrid

🔗 原文:https://arxiv.org/abs/2610.35085
🏷️ 来源:[🎓 学术界 | 未披露]
👥 团队:未披露(作者机构信息缺失)
🎯 业务场景:通用(历史文献数字化 / 手写文本识别)
✍️ 主要贡献人:Tamas Kovacs, Daniel Luger
🏛️ 代表组:未披露
⭐ 评分:[⭐⭐⭐½] (3.5/5)
🎯 推荐理由:零人工对齐把无换行校勘稿转成行级训练数据,端到端混合路线显著优于模块化与通用基线。
📝 摘要:论文针对仅存图像、缺行级转写的教宗 Honorius III 登记簿,证明无换行的专家校勘稿足以训练端到端 HTR 并展开重度缩写拉丁文。用 Kraken 分割、CATMuS 读行,按半全局编辑距离对齐生成 13,122 条银标行,训练 Conformer-CTC 并加入 CTC+双向子词注意力解码、迭代自对齐、n-best 重打分与 guarded ROVER。在 Reg. Vat. 9 的 394 页、203,819 词上,模块化路线 WER 15.6%、Conformer-CTC 14.7%、最佳混合 8.7% WER 与 4.7% CER,句末词 WER 由 22.7% 降至 12.2%;保留 sigla 使受影响行 WER 由 13.3% 降至 9.2%。
🔬 实验评估:
  • 📈 提升幅度:WER 15.6%(模块化)→ 14.7%(Conformer-CTC)→ 8.7%/8.4%(混合/guarded ROVER);混合模型 WER 降 30%;句末词 22.7%→12.2%
  • 🚀 部署状态:❌ 仅离线验证
  • ⏱️ AB 周期:未报告
  • 📊 数据规模:394 页、203,819 个拉丁词、13,122 条银标行
  • 🔄 离线-线上一致性:仅离线
  • 🎯 场景泛化性:⚠️ 特定场景(拉丁文教宗登记簿 HTR)
  • 🔍 业内对标:既有登记簿 HTR 工作与 CATMuS 基线;增量是零人工对齐的端到端识别加重度缩写展开
  • 🛡️ 置信度:中高 —— 端到端/模块化/混合多路线消融完整,但头条数字仅覆盖可与转写对齐的测试行(最佳混合 86%)

15. Discovering Topics from Linear Autoencoders

🔗 原文:https://arxiv.org/abs/2610.34739
🏷️ 来源:[🎓 学术界 | 未披露]
👥 团队:未披露(作者机构信息缺失)
🎯 业务场景:通用(协同过滤推荐 / 可解释主题发现)
✍️ 主要贡献人:Jutiyakhun Srisoparp, Donlapark Ponnoprat
🏛️ 代表组:未披露
⭐ 评分:[⭐⭐⭐⭐] (4/5)
🎯 推荐理由:闭式线性自编码器的权重矩阵本身就编码主题,TEA 在不牺牲推荐指标的前提下超过专用主题模型。
📝 摘要:论文研究线性推荐器与主题模型的关系,证明潜因子模型下可直接从闭式线性自编码器权重矩阵发现潜在主题,无需物品文本或另训主题模型。提出加权潜因子模型 wLFM,将物品流行度与用户活跃度作为独立权重,按权重归一化使 E[Ĝ]=L+D,主题取 D⁻¹β 列归一化;TEA 引入物品权重 g_i^α、用户权重与 dropout 正则。在 amazon-books、amazon-cds、gowalla、ml-1m、online-retail-ii、steam 六个数据集上,TEA 的主题质量 TQ 全部最高或统计持平,且显著优于所有专用主题模型,推荐指标与最佳方法持平,ml-1m 与 retail 的 NDCG@10 至多低 0.004。
🔬 实验评估:
  • 📈 提升幅度:TQ 在 6 个数据集最高或统计持平;NDCG@10 至多低 0.004、Recall@10 差距在 0.01 内;摘要未报告百分比提升
  • 🚀 部署状态:❌ 仅离线验证
  • ⏱️ AB 周期:未报告
  • 📊 数据规模:6 个公开数据集,各保留交互最多的 5,000 个物品与至多 5,000 名用户
  • 🔄 离线-线上一致性:仅离线
  • 🎯 场景泛化性:✅ 通用(协同过滤推荐 + 主题可解释性)
  • 🔍 业内对标:EASE 等闭式线性自编码器与专用主题模型;增量是权重矩阵直接给出主题且不损推荐性能
  • 🛡️ 置信度:中高 —— 六数据集统计检验与合成数据验证较充分,但仅离线、单数据集规模中等

16. Do Similarity Measures Measure Similarity? How User Activity Creates Phantom Correlation in Recommender Systems

🔗 原文:https://arxiv.org/abs/2610.35765
🏷️ 来源:[🎓 学术界 | 未披露]
👥 团队:Marco Favier、Noah Daniëls、Jens Leysen 等(机构未披露)
🎯 业务场景:通用推荐系统评估与召回分析
✍️ 主要贡献人:Marco Favier、Noah Daniëls、Jens Leysen
🏛️ 代表组:未披露
⭐ 评分:⭐⭐⭐⭐ (4/5)
🎯 推荐理由:重新校准 item-item 相似度的评估基线,做关联分析或召回诊断前值得先读。
📝 摘要:论文指出,用户活跃度异质性会让 item-item 相似度产生“幻影相关”:即使消费独立,活跃度差异仍会制造强关联。作者由三条最小假设推出 Rasch 模型,证明 lift、cosine、Pearson 对流行度的依赖,并用 EM 仅凭流行度与历史长度拟合共现。MovieLens-1M 上 81% 的全 pair 误差可由活跃度解释,ML-20M 为 73%、Amazon Books 为 50%、Last.fm 为 0%。结论是活跃度设定关联基线,真实偏好应看对基线的偏离。
🔬 实验评估:
  • 📈 提升幅度:非模型提升;ML-1M 全 pair 误差解释率 0.81,lift/cosine/Pearson 分块均 0.99、EASE 0.79;ML-20M 0.73;Amazon Books 0.50;Last.fm 0.00
  • 🚀 部署状态:❌ 仅离线验证
  • ⏱️ AB 周期:未报告
  • 📊 数据规模:MovieLens-1M、MovieLens-20M、Last.fm、Amazon Books;具体交互量未报告
  • 🔄 离线-线上一致性:仅离线;未报告线上 A/B
  • 🎯 场景泛化性:⚠️ 特定场景:跨四域验证,但 Last.fm 解释率为 0,域外需重估
  • 🔍 业内对标:对照标准 lift/cosine/Pearson 与 EASE;增量是给出活跃度基线解释,而非新召回模型
  • 🛡️ 置信度:高:形式化推导与四数据集结论一致,边界清晰;仍未线上验证

17. CRIM: Composable and Reusable Item Memory for Efficient Personalized Retrieval

🔗 原文:https://arxiv.org/abs/2610.35323
🏷️ 来源:[🎓 学术界 | 未披露]
👥 团队:Haolin Li、Haipeng Zhang、Mang Li 等(机构未披露)
🎯 业务场景:LLM 个性化检索与推荐召回
✍️ 主要贡献人:Haolin Li、Haipeng Zhang、Mang Li
🏛️ 代表组:未披露
⭐ 评分:⭐⭐⭐⭐ (4/5)
🎯 推荐理由:长历史个性化检索的成本-效果折中方案,工程启发性强。
📝 摘要:CRIM 针对 LLM 个性化检索中长历史导致输入膨胀、物品文本重复编码的问题,将物品级语义记忆与请求级历史建模解耦。物品记忆用 4 个 summary token 编码,请求编码器按交互顺序组合,并配合缓存与少量历史实时重编码的联合训练。LazSeq 上 Recall@100 达 0.6969,较 Qwen3-Embedding-4B 相对提升 2.49%;单卡 A100 延迟 90.76 ms,较基线 367.45 ms 快 4.05 倍,输入长度降 80.75%。结论是语义复用可同时提升效果与效率。
🔬 实验评估:
  • 📈 提升幅度:LazSeq Recall@100 0.6969、+2.49%;Qilin 全目录 MRR 0.4059、+10.23%;ML-1M Recall@10 0.1183、+64.52%;延迟 4.05×、输入长度 -80.75%、100 万请求 GPU-hours -51.05%
  • 🚀 部署状态:❌ 仅离线验证
  • ⏱️ AB 周期:未报告
  • 📊 数据规模:LazSeq 约 30,000 请求、49,993 物品、历史最长 500;另 Qilin、MovieLens-1M
  • 🔄 离线-线上一致性:仅离线;A100 延迟与 GPU-hours 为实测,线上一致性未报告
  • 🎯 场景泛化性:✅ 通用:跨三个检索数据集验证
  • 🔍 业内对标:对标 Qwen3-Embedding-4B、Ministral-8B-Instruct;增量是物品记忆复用与缓存/实时重编码
  • 🛡️ 置信度:中:效果、消融与效率证据充分,但无线上 A/B

18. MuSID-KD: Multigranularity Knowledge Distillation for Generative Recommendation with Semantic IDs

🔗 原文:https://arxiv.org/abs/2610.35218
🏷️ 来源:[🎓 学术界 | 未披露]
👥 团队:Fengshi Zhang、Xiyan Ding、Shuxiao Xie 等(机构未披露)
🎯 业务场景:电商/内容生成式推荐
✍️ 主要贡献人:Fengshi Zhang、Xiyan Ding、Shuxiao Xie
🏛️ 代表组:未披露
⭐ 评分:⭐⭐⭐⭐ (4/5)
🎯 推荐理由:把 SID 蒸馏从物品级推进到前缀多粒度与位置感知,实验扎实。
📝 摘要:MuSID-KD 聚焦 SID 生成式推荐蒸馏的两个缺口:物品级对齐无法保证共享前缀候选组的排序,且各 SID 位置对最终排序贡献不同。方法以 HCDA 按前缀层级对齐教师边缘分布,并用 RIGD 仅对正替换增益的位置做 Huber 对齐。在 Beauty、Toys、Video Games、Steam-100K 上,36 项比较全部最优,平均 NDCG@10 较 Base KD 提升 8.31%,较最强竞争学生提升 1.59%–5.13%。结论是多粒度、位置感知蒸馏可在不改变在线解码的前提下稳定迁移教师知识。
🔬 实验评估:
  • 📈 提升幅度:36/36 比较最优;平均 NDCG@10 较 Base KD +8.31%,较最强学生 +1.59%–5.13%;R-KMeans 下 24/24 第一、较更强基线 +3.61%
  • 🚀 部署状态:❌ 仅离线验证
  • ⏱️ AB 周期:未报告
  • 📊 数据规模:Amazon Beauty、Toys、Video Games、Steam-100K;leave-one-out,历史最多 20 条,三个随机种子
  • 🔄 离线-线上一致性:仅离线;训练时长与显存为实测
  • 🎯 场景泛化性:⚠️ 特定场景:SID 生成式推荐;跨分词器与学生结构验证
  • 🔍 业内对标:教师 TIGER、Base KD 与 SID-MLP/GRU/CNN;增量是前缀多粒度对齐与位置收益加权
  • 🛡️ 置信度:高:36/36 设置领先,跨 SID 分词器与三种学生结构验证;线上未验

19. Reading Beyond OCR Noise: Robust Cross-Lingual RAG for Legislative Archives

🔗 原文:https://arxiv.org/abs/2610.35240
🏷️ 来源:[🎓 学术界 | 未披露]
👥 团队:Radha Krishna Deshpande、Ajoy Mondal、Akash Manna 等(机构未披露)
🎯 业务场景:立法档案检索与跨语言问答
✍️ 主要贡献人:Radha Krishna Deshpande、Ajoy Mondal、Akash Manna
🏛️ 代表组:未披露
⭐ 评分:⭐⭐⭐ (3/5)
🎯 推荐理由:OCR 噪声下 RAG 的完整工程闭环,适合档案与低质文档场景参考。
📝 摘要:论文面向旁遮普邦议会 1950–2024 年立法档案,处理多栏、混合文字与扫描退化造成的 OCR 噪声。框架结合版面感知 OCR、bge-m3 多语言嵌入与 agentic RAG:检索 top-5 后由 LLM 判断证据是否充分,不足则重写查询并循环检索。在约 20 万页档案、1,000 页评测集与 200 个问答对上,MRR@1 达 0.810,Hit@5 为 0.955;agent loop 从 1 轮到 3 轮使 Answer F1 由 0.18 升至 0.35。结论是迭代重写可绕开 OCR 噪声,但严重错误与延迟仍是限制。
🔬 实验评估:
  • 📈 提升幅度:MRR@1 0.810 vs BGE-M3 0.775;Hit@5 0.955 vs 0.940;agent loop 使 MRR@1 0.89→0.97、Answer F1 0.18→0.35;OCR CRR/WRR 95.67%/80.03%
  • 🚀 部署状态:❌ 仅离线验证
  • ⏱️ AB 周期:未报告
  • 📊 数据规模:约 20 万页档案、1,000 页分层评测集、200 个金标准问答对、20 页人工转写子集
  • 🔄 离线-线上一致性:仅离线;以 20 页人工转写子集校验 OCR
  • 🎯 场景泛化性:⚠️ 特定场景:多语言立法档案;单域评测
  • 🔍 业内对标:对标 BGE-M3、CRAFT+CRNN、Gemini-3.1;增量是 agentic 查询重写与证据充分性检查
  • 🛡️ 置信度:中:大规模档案与人工评测支撑,但单域、200 QA,OCR 仍逊 Gemini-3.1

20. When Fusion Order Matters: Insights on Progressive Multimodal Representation Learning for Cross-modal Retrieval

🔗 原文:https://arxiv.org/abs/2610.35125
🏷️ 来源:[🎓 学术界 | 中国科学技术大学、合肥工业大学、四川大学]
👥 团队:Haoxiang Zhao、Bin Wang、Yaofei Wang 等联合团队
🎯 业务场景:视频搜索与跨模态检索
✍️ 主要贡献人:Haoxiang Zhao、Bin Wang、Yaofei Wang
🏛️ 代表组:未披露
⭐ 评分:⭐⭐⭐⭐ (4/5)
🎯 推荐理由:用控制变量回答多模态融合顺序这一常被忽略的设计问题。
📝 摘要:论文研究视频检索中视觉、声音、语音的融合顺序是否影响效果,提出 UniPRO 统一比较框架。方法沿用 SAVE 特征管线,加入 POSR 转写压缩、REM 双向注意力增强、MFSA 软对齐与可配置门控逐阶段融合,在编码器和训练设置匹配下比较堆叠与逐阶段融合。MSR-VTT-9k 上 R@1 为 53.9、SumR 220.9,较 SAVE 提升 4.7;VAS 的 R@1 53.9 高于 VSA 的 53.2 与堆叠 ASV 的 51.4/50.5。结论是融合顺序应匹配查询模态,逐阶段融合更优。
🔬 实验评估:
  • 📈 提升幅度:MSR-VTT-9k SumR 220.9(较 SAVE +4.7);其余三基准 SumR 167.7/256.9/124.0(+1.9/+1.4/+2.6);反向检索 R@1 50.5、SumR 217.2
  • 🚀 部署状态:❌ 仅离线验证
  • ⏱️ AB 周期:未报告
  • 📊 数据规模:MSR-VTT-9k、MSR-VTT-7k、VATEX、Charades;ViT-B/16
  • 🔄 离线-线上一致性:仅离线;未报告线上验证
  • 🎯 场景泛化性:⚠️ 特定场景:跨模态视频检索;四基准但单一骨干
  • 🔍 业内对标:对标 SAVE、VAS/VSA、堆叠 ASV;增量是控制编码器与训练后的融合顺序消融及 UniPRO
  • 🛡️ 置信度:中:四基准结果一致,但作者自述需重复运行与更广查询协议验证

本日报由 AI 自动生成,解读观点仅供参考。
  • 推荐系统
  • 日报
  • 推荐算法日报 - 2026-10-30推荐周报 2026-W44
    Loading...
    Catalog
    0%