<?xml version="1.0" encoding="utf-8"?>
<rss version="2.0" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/">
    <channel>
        <title>Bin的记事本</title>
        <link>https://www.bins-log.com/</link>
        <description>分享推荐系统、大模型理解， 投资备忘</description>
        <lastBuildDate>Wed, 18 Nov 2026 20:49:17 GMT</lastBuildDate>
        <docs>https://validator.w3.org/feed/docs/rss2.html</docs>
        <generator>https://github.com/jpmonette/feed</generator>
        <language>en-US</language>
        <copyright>All rights reserved 2026, NotionNext</copyright>
        <item>
            <title><![CDATA[推荐算法日报 - 2026-11-17]]></title>
            <link>https://www.bins-log.com/article/daily-report-2026-11-17</link>
            <guid>https://www.bins-log.com/article/daily-report-2026-11-17</guid>
            <pubDate>Tue, 17 Nov 2026 00:00:00 GMT</pubDate>
            <description><![CDATA[检索基础设施开始衡量「全生命周期成本」：CARE、UniGraph、When the Bill Falls 与 Adaptive-Elbow 分别从量化、索引结构、模型迁移和召回预算四个环节，回答同一个问题：这套索引从构建到退役一共要付出多少成本。]]></description>
            <content:encoded><![CDATA[<div id="notion-article" class="mx-auto overflow-hidden "><main class="notion light-mode notion-page notion-block-41b343b68ae381de8912d317b02993b1"><div class="notion-viewport"></div><div class="notion-collection-page-properties"></div><h3 class="notion-h notion-h2 notion-h-indent-0 notion-block-41b343b68ae381948685dbb16515d5bb" data-id="41b343b68ae381948685dbb16515d5bb"><span><div id="41b343b68ae381948685dbb16515d5bb" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41b343b68ae381948685dbb16515d5bb" title="一、📊 趋势分析"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">一、📊 趋势分析</span></span></h3><div class="notion-text notion-block-41b343b68ae38165aea7c4adcd64dc8a"><b>🔥 检索基础设施开始衡量「全生命周期成本」</b>：CARE、UniGraph、When the Bill Falls 与 Adaptive-Elbow 分别从量化、索引结构、模型迁移和召回预算四个环节，回答同一个问题：这套索引从构建到退役一共要付出多少成本。其中，CARE 把 SID tokenizer 优化到检索对齐空间（recon_P3 Recall@10 从 RQ-KMeans 的 62.75% 提升到 CARE-LR 的 66.09%）；UniGraph 用 α-cover 单张图替代稠密、稀疏两路检索，在 Recall@100≥0.95 时 QPS 比最快基线高 27.6%~52.3%；When the Bill Falls 则直接证明：任何可采纳的迁移策略，总编码量恒为 N，复用旧索引只是推迟后付账，并未避免重新编码。判断：检索论文的评优标准正从「Recall 涨多少」转向「构建、迁移与重编码的总成本是否算得清」。</div><div class="notion-text notion-block-41b343b68ae38135afcac25aa17e706b"><b>💡 从「加信号」转向「辨信号」</b>：GainReason、Evidence Diet 与 Edit Recommendation 各自独立地收敛到同一个发现：信号被提供出来，并不等于它真的被系统消费。GainReason 指出，在规则奖励下大量 rollout 组优势为零；改用句子级 predictive gain 作为奖励后，训练中再未出现零优势组。Evidence Diet 在保持支持与计数多重集不变、只交换归属时，让 Books 新用户 target–rival 支持对准确率提升 +6.07pp（95% CI [4.18, 8.00]），证明排序器真正消费的是归属，而非支持是否存在。Edit Recommendation 承认部分请求本质上不可预测，于是用门控把展示建议的 pass@5 从 47% 拉到 62%，代价是建议频率降低 72%。判断：继续堆叠上下文带来的收益已经到顶，下一阶段要比拼的是信号的可判别性。</div><div class="notion-text notion-block-41b343b68ae381f8aeebcf93d769fe2e"><b>🔥 线上证据稀缺，「已上线」不再算数</b>：19 篇论文里只有 IntentFlow（小红书）给出用户级 A/B 正收益（Top-4 查询 CTR +28.17%、查询 CTR +18.96%、人均结果页停留时长 +12.56%，端到端 P50 1.07 s），CARE 与 UniGraph 虽然声称已进入生产，却都没有报告线上收益；Straight to the Product 甚至观察不到购买，只能退一步看答案发出后 24 小时内的访问情况：访问被命名产品为每百条答案 2.07 次，而基线为 0.02 次。判断：工业论文的最小可信证据单元正在变成「用户级随机实验」或「带置信区间的行为指标」，单凭部署声明本身越来越缺乏说服力。</div><h3 class="notion-h notion-h2 notion-h-indent-0 notion-block-41b343b68ae38121ba62ef4c775212b9" data-id="41b343b68ae38121ba62ef4c775212b9"><span><div id="41b343b68ae38121ba62ef4c775212b9" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41b343b68ae38121ba62ef4c775212b9" title="二、📋 今日速览"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">二、📋 今日速览</span></span></h3><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41b343b68ae3814993a3cade6c6e3282" data-id="41b343b68ae3814993a3cade6c6e3282"><span><div id="41b343b68ae3814993a3cade6c6e3282" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41b343b68ae3814993a3cade6c6e3282" title="▍工业界（3 篇）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">▍工业界（3 篇）</span></span></h4><table class="notion-simple-table notion-block-41b343b68ae38191a1c8d12a115c1638"><tbody><tr class="notion-simple-table-row notion-simple-table-header-row notion-block-41b343b68ae381d2a687fe0b34e31d39"><td class="" style="width:120px"><div class="notion-simple-table-cell">方法</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">机构</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">关键结果</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">证据</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">部署</div></td></tr><tr class="notion-simple-table-row notion-block-41b343b68ae3810ca234c8910e3db650"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.20721" target="_blank" rel="noopener noreferrer">CARE（CARE-SID / CARE-LR）</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">腾讯</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">提出两个检索导向 SID tokenizer，重建视角 Recall@10 由 62.75% 升至 66.09%</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">A</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">全量</div></td></tr><tr class="notion-simple-table-row notion-block-41b343b68ae381349598e157d21cfde0"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.20758" target="_blank" rel="noopener noreferrer">UniGraph（Unified Hybrid Graph）</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">浙江大学</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">提出统一混合图索引 UniGraph，免重建支持动态 α，混合权重下 QPS 高出 27.6%~52.3%</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">A</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">全量</div></td></tr><tr class="notion-simple-table-row notion-block-41b343b68ae3815eb1eac249c9bc3347"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.20448" target="_blank" rel="noopener noreferrer">IntentFlow</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">小红书</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">以分层意图统一数据构建、表征学习与重排，线上 Top-4 查询 CTR 相对提升 28.17%</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">A</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">A/B</div></td></tr></tbody></table><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41b343b68ae381ffb3c1c7aeb15f1867" data-id="41b343b68ae381ffb3c1c7aeb15f1867"><span><div id="41b343b68ae381ffb3c1c7aeb15f1867" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41b343b68ae381ffb3c1c7aeb15f1867" title="▍学术界（16 篇）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">▍学术界（16 篇）</span></span></h4><table class="notion-simple-table notion-block-41b343b68ae381849b2cd1c2000086dd"><tbody><tr class="notion-simple-table-row notion-simple-table-header-row notion-block-41b343b68ae381099fa9e23f8789fc21"><td class="" style="width:120px"><div class="notion-simple-table-cell">方法</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">机构</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">关键结果</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">证据</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">部署</div></td></tr><tr class="notion-simple-table-row notion-block-41b343b68ae3811face7c2312f50b000"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.21155" target="_blank" rel="noopener noreferrer">EditRecBench（基准）+ decision model-based gating（门控方法无专名）</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">NTT</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">构建 EditRecBench 评估编辑请求预测，门控筛选后展示样本 pass@5 提升 12–25 点。</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">A</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">离线验证</div></td></tr><tr class="notion-simple-table-row notion-block-41b343b68ae381929abfcf3456b92693"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.21441" target="_blank" rel="noopener noreferrer">GainReason</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">阿里巴巴</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">用句子级预测增益 PG 替代规则奖励优化 GR 推理，NDCG@5 较最强基线相对提升 2.7%~6.2%</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">离线验证</div></td></tr><tr class="notion-simple-table-row notion-block-41b343b68ae381b8860ac4b0f98e6f7c"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.20388" target="_blank" rel="noopener noreferrer">What Unlinked Aggregates Still Prove</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">斯坦福大学</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">把无链接购买计数写成运输问题，锐利界定排序器 NDCG 差；Beibei 非 Pop 设定仅 14/168 判定。</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">B</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">未部署</div></td></tr><tr class="notion-simple-table-row notion-block-41b343b68ae381a9bfacec136f3d2e71"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.20449" target="_blank" rel="noopener noreferrer">MAGE（Meta-path Adaptive Graph Evidence Prompting）</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">阿里巴巴、Meta</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">MAGE用元路径自适应传播与证据指令微调做多模态图跨域迁移，4个未见目标图零参数更新超基线</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">未部署</div></td></tr><tr class="notion-simple-table-row notion-block-41b343b68ae38117a218e1f48c668ba0"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.20702" target="_blank" rel="noopener noreferrer">When the Bill Falls</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">西北工业大学</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">证明复用旧索引只推迟、不避免重编码，并给出迁移前仅凭旧索引定价的三规则规划器（覆盖误差≤0.81%）</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">B</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">离线验证</div></td></tr><tr class="notion-simple-table-row notion-block-41b343b68ae38176a5b4d56700b2b90a"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.20926" target="_blank" rel="noopener noreferrer">CPC-HCAD（Cognitive Pairwise Comparisons for Human-Centric AI&amp;DS）</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">莫纳什大学马来西亚分校理学院</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">提出 CPC-HCAD，成对比较偏好注入 ML 流水线，案例一致性 AI=0.043</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">离线验证</div></td></tr><tr class="notion-simple-table-row notion-block-41b343b68ae3813b80dfea7bf082caea"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.20837" target="_blank" rel="noopener noreferrer">Evidence Diet</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">Introduction、Experimental Design and Protocols</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">只交换有支持候选间的证据计数归属，NDCG@5 降 4.06 点，证明 LLM 排序依赖证据绑定</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">B</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">未部署</div></td></tr><tr class="notion-simple-table-row notion-block-41b343b68ae381038e03f95c7bf9513f"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.20976" target="_blank" rel="noopener noreferrer">Living Context Graph（LCG）</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">Genloop</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">提出可持续学习的上下文层 LCG，text-to-SQL 留出准确率提升 22.6 点。</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">未部署</div></td></tr><tr class="notion-simple-table-row notion-block-41b343b68ae38113b1a4dae660ddc959"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.21267" target="_blank" rel="noopener noreferrer">Conformal Expert Pools (CEP)</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">亚马逊</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">免训练概率预测器 CEP，以专家池替代 seasonal-naive，典型数据集 CRPS 低 14%、MSIS 低 23%、覆盖率 92.2%。</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">离线验证</div></td></tr><tr class="notion-simple-table-row notion-block-41b343b68ae381a4a0bfddb4916c16e0"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.20734" target="_blank" rel="noopener noreferrer">Can LLMs Give Good Product Advice? A Fra</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">英伟达</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">提出19类失效的产品建议诊断框架，覆盖高≠选择高，社区替代偏好仅1.9–6.5%</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">离线验证</div></td></tr><tr class="notion-simple-table-row notion-block-41b343b68ae381639cc9d268875148c7"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.21260" target="_blank" rel="noopener noreferrer">Leveraging Binary Hashing for Scalable I</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">法国 Orange 研究院、CentraleSupélec 信号与系统实验室、INSA Lyon</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">用二值哈希替代向量量化做语义通信压缩，CCA-ITQ 128 bit 在 p=0.1 下仍达 82.3% 准确率。</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">离线验证</div></td></tr><tr class="notion-simple-table-row notion-block-41b343b68ae381768f9bf969235a5cfb"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.21032" target="_blank" rel="noopener noreferrer">EE-Motion</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">巴里理工大学、马德里自治大学、Wideverse</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">浏览器接 EEG 映射 V/A 实时驱动推荐，延迟 80–90ms，nDCG 无显著差异</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">未部署</div></td></tr><tr class="notion-simple-table-row notion-block-41b343b68ae38172be3cdbe260f9de67"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.21461" target="_blank" rel="noopener noreferrer">ExRel</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">—</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">ExRel 以可执行合同合成题目图复用监督，Medium 关系优于自然数据，有效率 98.0%。</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">未部署</div></td></tr><tr class="notion-simple-table-row notion-block-41b343b68ae38126a70ed99f1067733d"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.20378" target="_blank" rel="noopener noreferrer">product follow-through（产品跟进度，行为评估指标）</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">Scrunch AI</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">关联同一批人的助手对话与20家零售商浏览，提出product follow-through；44%商品页命中答案商品 vs 1.5%</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">未部署</div></td></tr><tr class="notion-simple-table-row notion-block-41b343b68ae381be8fa6e76869164a9f"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.20443" target="_blank" rel="noopener noreferrer">Overview of the Plagiarism Detection Tas</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">—</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">构建两个合成生成式抄袭数据集，6 支团队 26 份提交显著超越三个基线</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">未部署</div></td></tr><tr class="notion-simple-table-row notion-block-41b343b68ae3816aaab9d0d815a19b1d"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.20979" target="_blank" rel="noopener noreferrer">Adaptive-Elbow Graph Traversal（AEGT，简称 ElbowHop）</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">Engineering Ingegneria Informatica S.p.A</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">自适应肘点替代固定 top-k＋双向 FK 遍历做 schema 检索，大库同召回下精度约翻倍</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">未部署</div></td></tr></tbody></table><h3 class="notion-h notion-h2 notion-h-indent-0 notion-block-41b343b68ae3815c8d9cc617be061faa" data-id="41b343b68ae3815c8d9cc617be061faa"><span><div id="41b343b68ae3815c8d9cc617be061faa" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41b343b68ae3815c8d9cc617be061faa" title="三、🎯 今日主题"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">三、🎯 今日主题</span></span></h3><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41b343b68ae381118e8bdb74d2a46eeb" data-id="41b343b68ae381118e8bdb74d2a46eeb"><span><div id="41b343b68ae381118e8bdb74d2a46eeb" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41b343b68ae381118e8bdb74d2a46eeb" title="从加证据到辨证据：可判别信号成为推荐系统的新硬通货"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">从加证据到辨证据：可判别信号成为推荐系统的新硬通货</span></span></h4><div class="notion-text notion-block-41b343b68ae3811f924adb34c668b442"><b>问题背景。</b> 今天最集中的矛盾不再是「拿不到信号」，而是分不清哪些信号真的被系统消费、被使用。</div><ul class="notion-list notion-list-disc notion-block-41b343b68ae38183bf1ec6c697ec90a5"><li>Evidence Diet 指出，把协同交互、路径直接拼进 prompt 会导致证据负载本身掉点，而现有重排器不区分「支持的存在性」与「支持在候选间的归属」；</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381efa981fb3d26970e16"><li>GainReason 发现，规则奖励下组内不同推理轨迹的奖励常常完全相同，大量 rollout 组优势为零，优化信号缺乏判别性；</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae3817bb921e5b14243ec7d"><li>Edit Recommendation 的失败分析显示，含上下文新信息的编辑请求 pass@5 显著更低，其中一部分本质上就不可预测；</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae3816791e1f220e2bf4628"><li>产品建议评估长期止步于「回复是否提到某个产品」，无法定位问题出在理解需求、构造候选集，还是最终选择。</li></ul><div class="notion-text notion-block-41b343b68ae38183801ff0eda21a9ff9"><b>代表方案对比。</b> 五篇论文分别从优化目标、输入表示、展示时机、评估流程与学习准入五个切入点，给出「先证伪、再使用」的方案。</div><ul class="notion-list notion-list-disc notion-block-41b343b68ae381b78bcdf4db2dcd1581"><li><b>GainReason</b>（Alibaba）：切入点是 RL 奖励无法度量推理内部各句的贡献，于是以「每句推理引起目标 SID 对数似然的变化」构造句子级 predictive gain 奖励，z-normalize 之后再套用 GRPO；三个基准全库评估的 NDCG@5 平均相对提升 6.2%/2.7%/6.1%，训练中未出现零优势组。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381149dc2f5e7c1dc5c9a"><li><b>Evidence Diet</b>（学术）：切入点是分离「识别哪些候选有图支持」与「在有支持的候选之间排序」；用保持支持与计数多重集不变、只交换归属的交换式诊断协议，在 274 个新 Books 用户上把 target–rival 支持对准确率从 66.87 提升到 72.95（+6.07pp）。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381f48208e3bf3e057b53"><li><b>Edit Recommendation</b>（NTT）：切入点是承认部分编辑请求不可预测；用 Qwen3.5-2B/4B 冻结主干加 LoRA 的 decision model 输出 K+1 个 yes/no 概率做展示门控，AUROC 平均 .690，在阈值设为展示 20% dev 样本时 pass@5 由 47% 升至 62%、建议频率降低 72%。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381588755c803ea89ec7c"><li><b>Product Advice</b>（NVIDIA）：切入点是先把建议拆成 F/B/C/P/I/I_filtered/R 结构化表示与六大类 19 种失效模式；再按依赖图对根检查点下钻，并配合 15 个启发式与 4 个生成式 verifier，发现 K=40 时候选覆盖可达 95.5%，而条件选择率仅 47.0%，fact anchoring 也不改善参考一致性（22.9%→22.0%）。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae3810895f0d55e63504135"><li><b>LCG</b>（Genloop）：切入点是语义学习必须以执行验证为准入闸门；semantic store 按概念图路由，由 outcome-gated admission 决定是否写入持久 delta，从历史学习使留出题 13.7%→36.3%（+22.6 点），而全量接纳提议规则会从 53/146 跌至 29/146。</li></ul><div class="notion-text notion-block-41b343b68ae3818daa9cc1ad8bcb84c6"><b>核心差异。</b> 五篇论文沿「信号来源」与「对不可预测样本的态度」两条轴线分化。</div><ul class="notion-list notion-list-disc notion-block-41b343b68ae381589d72c6e93205fe4a"><li>信号来源：GainReason 在模型内部制造判别性信号（PG）；Evidence Diet 在固定输入上做干预，验证信号是否真的被使用；Edit Recommendation 与 LCG 则用外部的门控模型、执行结果决定是否采纳。前两者是「测量」，后两者是「甄别」。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381b097a2fa0262ab2d37"><li>失败处理：GainReason 与 Product Advice 试图把失败变成可测量的诊断量（零优势组、19 种失效模式）；Edit Recommendation 与 LCG 对不可靠样本直接弃权（不展示、不准入）。「修复」与「弃权」在今天同时成立，因为两者都把「不知道」显式化了。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381e69051fc11c828d39a"><li>归因粒度：Evidence Diet 细到「哪条证据归给哪个候选」，Product Advice 细到「哪个检查点出错」，Edit Recommendation 则只到样本级是否展示。粒度越细的论文越停留在离线诊断，粒度越粗的离可部署组件越近。</li></ul><div class="notion-text notion-block-41b343b68ae3815e8fe1c2edd3ff11d9"><b>趋势判断。</b> 「可判别性」正在取代「解释性」成为推荐系统的论文门槛，而下一步的压力会来自线上对齐。</div><ul class="notion-list notion-list-disc notion-block-41b343b68ae3818b83faea66e1bb9e66"><li>诊断指标将进入主结果表：零优势组比例、门控 AUROC、交换归属的配对增益这类「证伪式」指标，会和 NDCG 并列出现；</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae38108b7c0c0b65aa34810"><li>弃权（gating/admission）会从补丁升级为架构级组件：Edit Recommendation 的「频率降 72% 换 pass@5 +15 点」与 LCG 的 outcome gating 都说明，选择性不工作是目前性价比最高的设计；</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae38190ac7cd74685032431"><li>上述诊断全部停留在离线，目前还没有任何一篇把「可判别」换算成用户收益，这需要用 IntentFlow 式的用户级 A/B 补上最后一环，否则「辨信号」只是一个更精致的离线故事。</li></ul><h3 class="notion-h notion-h2 notion-h-indent-0 notion-block-41b343b68ae3818284beddd91241f04a" data-id="41b343b68ae3818284beddd91241f04a"><span><div id="41b343b68ae3818284beddd91241f04a" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41b343b68ae3818284beddd91241f04a" title="四、📰 逐篇解读"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">四、📰 逐篇解读</span></span></h3><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41b343b68ae381cdb0c3e5206e6c0c3c" data-id="41b343b68ae381cdb0c3e5206e6c0c3c"><span><div id="41b343b68ae381cdb0c3e5206e6c0c3c" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41b343b68ae381cdb0c3e5206e6c0c3c" title="1. CARE: Contrastive-Anchored Residual Encoding with Listwise Reconstruction for Retrieval-Oriented Semantic IDs（Tencent）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">1. CARE: Contrastive-Anchored Residual Encoding with Listwise Reconstruction for Retrieval-Oriented Semantic IDs（Tencent）</span></span></h4><ul class="notion-list notion-list-disc notion-block-41b343b68ae381a4aba2e6b403a56460"><li><b>场景</b>：工业视频搜索的生成式检索（GR）阶段，改进 Semantic ID 的 tokenizer。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381d39cf9d43b38c29ff0"><li><b>线上效果</b>：无线上 A/B，仅离线：recon_P3 Recall@10 从 RQ-KMeans 的 62.75% 提升到 CARE-SID 的 65.23%、CARE-LR 的 66.09%，相对 RQ-KMeans 的配对增益 +3.34 点（95% CI [+2.30,+4.36]）；论文称已上线 GR 阶段但未报线上收益。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381bb9347f91dacf19bce"><li><b>问题</b>：residual k-means、RQ-VAE、FSQ 等现有 SID 构建只优化定义在文档 embedding 上的准则（几何失真、重建误差、格点拟合、桶容量），不控制量化后 query 是否仍能找到相关文档。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381a8b224eeeea476ea68"><li><b>动机</b>：检索取决于 query 与文档的相对关系，逐文档误差相同的两个重建可能保住也可能交换某 query 的 top 候选排序，因此要在避开 query 依赖方向上量化，并保住每个 query 对其候选的排序。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381dba470f0a97afea176"><li><b>贡献</b>：① 提出 CARE-SID，在检索对齐空间量化，用 query–文档对比损失训练零初始化残差对齐网络，码由 reference-vector rating 残差量化分配。② 提出 CARE-LR，加 listwise 重建蒸馏，把原 embedding 对候选列表的相似度分布蒸馏进 SID 重建。③ 给出无需训练生成器的检索导向 SID 评估协议（桶内精确期望、分桶与重建视图分离、按 query 文本分组的配对 bootstrap）。④ 消融定位增益主要来自 listwise 蒸馏，并说明对比对齐在 embedding 未经搜索数据训练时最划算。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381108c4dcd4c9365265c"><li><b>做法</b>：CARE-SID 用两层 MLP 残差对齐 z=norm(d+f(d))（输出层零初始化，起点严格等于 R3-VAE），去掉学习到的 reference 方向后做三级 rating 残差量化，损失为重建加 anchor、InfoNCE、一致性、软共簇四项；CARE-LR 以真实搜索漏斗五类来源取候选、用原 embedding 的 softmax cosine 作 teacher 做 KL 蒸馏。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381419af9c0781af7e71d"><li><b>局限</b>：评估仍停在离线 SID 级，端到端 GR 结果留待后续，置信区间也条件于固定 checkpoint 与固定候选池。<a class="notion-link" href="https://arxiv.org/abs/2611.20721" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41b343b68ae381cbade7d99f96f88b2b" data-id="41b343b68ae381cbade7d99f96f88b2b"><span><div id="41b343b68ae381cbade7d99f96f88b2b" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41b343b68ae381cbade7d99f96f88b2b" title="2. UniGraph: A Unified Graph-based Index for Dynamic Hybrid Dense-Sparse Vector Retrieval（浙江大学）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">2. UniGraph: A Unified Graph-based Index for Dynamic Hybrid Dense-Sparse Vector Retrieval（浙江大学）</span></span></h4><ul class="notion-list notion-list-disc notion-block-41b343b68ae381f18f38cf317857cefc"><li><b>场景</b>：稠密-稀疏混合向量检索，已落地蚂蚁集团生产环境。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381d8a064e064776c2040"><li><b>线上效果</b>：无线上 A/B，仅离线：混合权重下 Recall@100≥0.95 时 QPS 比最快基线高 27.6%~52.3%，固定权重下为最快基线的 1.18×~2.85×；论文未报告线上业务指标。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381b5836bd079cc623ed7"><li><b>问题</b>：两路方案分别检索稠密与稀疏索引再对候选并集重排，需两次检索，还会丢掉仅在混合距离下靠前的条目；固定 α 构建的混合图也无法适应查询级动态权重。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae38160aac1ff4925557424"><li><b>动机</b>：稠密与稀疏是同一对象的互补表示，相似度结构相关，不同 α 下邻域虽有差异但可复用，因此单图有望覆盖多个权重。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381afb5f9dc4e13fc158b"><li><b>贡献</b>：① 提出 UniGraph 的 α-cover 构造，把多个 α 下的邻居集合合并为有界度图，单索引支持任意查询级权重而无需重建。② 设计 α-自适应搜索，按查询权重路由稀疏或稠密引导入口，并用 dense-first 混合距离剪枝省掉不必要的精确稀疏距离计算。③ 五数据集上验证吞吐优势，含构图时间、存储评估与引导入口、剪枝、多权重构图消融。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381fdaf8bc45ac255afa4"><li><b>做法</b>：以 δ=0.1 采样 α，每个 α 取 top-32 混合邻居，并集去重后按出现频率保留 top-64 边，构造期用 HNSW/SINDI 生成候选池；搜索为按查询级 Dh 排序的贪心 beam search，α≤0.5 走稀疏引导，否则稠密引导，先用向量范数 Cauchy-Schwarz 下界估计混合距离决定是否跳过稀疏内积。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae38196a38ef6c9d2a1a07a"><li><b>局限</b>：需多 α 采样构图，且 γ&lt;1 缩放时剪枝不再保证严格下界。<a class="notion-link" href="https://arxiv.org/abs/2611.20758" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41b343b68ae3812d98bbd7602a8d0127" data-id="41b343b68ae3812d98bbd7602a8d0127"><span><div id="41b343b68ae3812d98bbd7602a8d0127" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41b343b68ae3812d98bbd7602a8d0127" title="3. Edit Recommendation: Can LLMs Anticipate Edit Requests from Users, and When?（NTT）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">3. Edit Recommendation: Can LLMs Anticipate Edit Requests from Users, and When?（NTT）</span></span></h4><ul class="notion-list notion-list-disc notion-block-41b343b68ae381d4834df2068dd2cff9"><li><b>场景</b>：对话式推荐，LLM 聊天助手在用户发送前预判编辑请求并给出可点击建议。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae3818da9e0ceb0fde129da"><li><b>线上效果</b>：无线上 A/B，仅离线：最佳模型 gpt-6.1-sol 在 EditRecBench 测试集 pass@1 28%、pass@5 47%（经验上限 61%），门控 AUROC 平均 .690；阈值设 20% dev 样本展示时 pass@5 升至 62%，但建议频率降 72%。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae38150b1f0c1f038418f3a"><li><b>问题</b>：现有话语/下一 prompt 预测只做通用预测，未针对编辑请求（需对齐改哪里、怎么改）；对每条回复都展示建议时，大量真实请求含上下文没有的新信息，本质不可预测，频繁错误建议会损害体验。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381e5a6a5c8fab7ffe446"><li><b>动机</b>：若在用户发送前把可能的编辑请求作为可点击建议展示，能减少审阅与反馈成本；失败分析显示 new info 样本 pass@5 显著更低，故应只对高置信样本展示。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381d9b7abe2e78fc53480"><li><b>贡献</b>：① 构建 EditRecBench，从 WildChat-4.8M 真实对话得到 12,298 个样本，并设计基于编辑位置与内容的评估准则。② 评测 8 个 LLM（pass@5 10%–47%），验证任务可行并发现部分请求本质上难以从上文预测。③ 提出 decision model-based gating 跳过困难样本，使展示建议的 pass@5 提升 12–25 点。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381eaa63ac8af04c6af8a"><li><b>做法</b>：任务形式化为给定上下文预测下一条编辑请求并输出 top-K 建议，评估用 LLM-as-a-Judge 把请求分解为（target, change）原子要求、全部 satisfied 才记 match；门控模型输入上下文与原请求，输出 K+1 个 yes/no 概率，基于 Qwen3.5-2B/4B 冻结主干只训 LoRA 加分类头，以三票判官多数为标签。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae38172a011c8fd1777eb5a"><li><b>局限</b>：门控仍需先承担预测器推理成本，且未做用户研究验证对体验的实际影响。<a class="notion-link" href="https://arxiv.org/abs/2611.21155" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41b343b68ae38171b4fdda7a3cce9233" data-id="41b343b68ae38171b4fdda7a3cce9233"><span><div id="41b343b68ae38171b4fdda7a3cce9233" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41b343b68ae38171b4fdda7a3cce9233" title="4. IntentFlow: An Intent-Driven Real-Time Multimodal Search System with Image-Text Queries at Xiaohongshu（小红书）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">4. IntentFlow: An Intent-Driven Real-Time Multimodal Search System with Image-Text Queries at Xiaohongshu（小红书）</span></span></h4><ul class="notion-list notion-list-disc notion-block-41b343b68ae381f295e4ced4b7a850b2"><li><b>场景</b>：小红书 UGC 图文笔记的多模态搜索，服务站内搜索与多模态搜索 agent，覆盖召回与重排。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae3817d8ca4e4730ad98788"><li><b>线上效果</b>：线上小红书用户级 A/B 相对「视觉搜索+重排」生产系统，Top-4 查询 CTR +28.17%、查询 CTR +18.96%、人均结果页停留时长 +12.56%；端到端延迟 P50 1.07 s、P90 1.34 s。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae3813bbdeede16e3424123"><li><b>问题</b>：现有「视觉搜索+重排」只按视觉或主题相似度判断相关性，而同一图片在不同检索意图下所需证据不同，无法区分；且意图相关的笔记若未进入初始候选集，重排也无从补救。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae38108afa8e7fe438fd904"><li><b>动机</b>：相关性应由「用户想要的结果」而非图中物体类别定义，因此把显式分层意图作为统一标准，使数据构建、embedding 召回与重排对齐到同一套相关性准则。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381b48da4e3be2d8d7f28"><li><b>贡献</b>：① 提出面向 UGC 多模态检索的分层意图体系（3 个一级、7 个二级意图）与意图特定相关性准则，统一指导数据构建、召回与重排。② 设计 agentic 数据构建流程，前向与反向构造候选并按条件核验证据（unknown 不视为负例，模糊案例交人工审核）。③ 表征学习融合意图感知对比学习、分级排序与教师分布蒸馏，重排器在意图条件下预测 0/1/2 相关性等级。④ 在百亿级索引实时部署并经用户级 A/B 验证效果与延迟。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381be84f0f8465870ee98"><li><b>做法</b>：query 为参考图、文本与查询区域 bbox，query 编码与分层意图识别并发执行，ANN 从固定文档索引召回并用 CSLS 调分；重排器按等级优先（2&gt;1&gt;0）、同等级沿用线上排序，索引固定后仅做 query 侧 LoRA 加残差投影适配以避免全库重编码。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381dcb87aced57846380a"><li><b>局限</b>：作为首个用结构化检索意图统一数据构建、表征学习与重排的实时多模态系统，正文未讨论意图标注与人工审核成本、适用范围等限制。<a class="notion-link" href="https://arxiv.org/abs/2611.20448" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41b343b68ae381a3ac72f4a66d7e1a90" data-id="41b343b68ae381a3ac72f4a66d7e1a90"><span><div id="41b343b68ae381a3ac72f4a66d7e1a90" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41b343b68ae381a3ac72f4a66d7e1a90" title="5. Learning to Reason with Predictive Gains for Generative Recommendation（Alibaba）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">5. Learning to Reason with Predictive Gains for Generative Recommendation（Alibaba）</span></span></h4><ul class="notion-list notion-list-disc notion-block-41b343b68ae3815189befbb192104a4e"><li><b>场景</b>：基于 Semantic ID 的生成式推荐 next-item 预测，学术基准评测，无线上业务场景。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381608a03dda9d33cb38f"><li><b>线上效果</b>：无线上 A/B，仅离线：三基准全库评估 NDCG@5 为 0.0985/0.0435/0.0204，平均相对提升 6.2%/2.7%/6.1%；开启推理带来 5.8%/2.3%/7.4% 提升，规则方法在 Movies 反而退化。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae38153bcf1e7fc089d210a"><li><b>问题</b>：现有 GRPO 加规则奖励的推理优化未直接度量推理内部各句的预测贡献，优化信号不反映贡献；且组内不同推理轨迹奖励常完全相同，大量 rollout 组优势为零，学习信号判别性弱。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381948957d4e15cb3c8dd"><li><b>动机</b>：显式推理并不必然提升推荐、甚至退化；用「每句推理引起目标 SID 对数似然的变化」作为内在奖励，可同时得到贡献感知、连续细粒度可判别、且与 Top-K 排序目标理论上对齐的信号。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae38194bc98cd28e2d95e63"><li><b>贡献</b>：① 首次将 predictive gain 引入 GR 显式推理优化，实证揭示规则奖励贡献不可测与组内信号不可判别两点缺陷。② 提出 GainReason，以 PG 提供贡献感知且可判别的句子级奖励，并证明期望 PG 收紧 Top-K 排序遗憾上界。③ 提出 PGRO 与辅助任务 PGRU，并用 custom causal attention 把 N+1 次前缀评估合并为单次前向。④ 三基准一致优于竞争基线，训练中未出现零优势组。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381b2be3be75d222c3e92"><li><b>做法</b>：三阶段训练（itemic alignment SFT、CoT reasoning activation、RL），rollout 按句末标点切句，以给定历史与前 j 句推理时目标 SID 的平均对数似然增量作 PG 奖励；PGRO 对组内句子级 PG 做 z-normalize 得优势并套用 GRPO 裁剪目标，PGRU 用净 PG 接近 0 时最大的 smooth bump 权重加强 reasoning-conditioned SID 预测。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae3810b96b3d36ea9003926"><li><b>局限</b>：仅在三个公开离线基准验证、未提及线上部署，PG 计算仍带来有界但非零的额外前向开销。<a class="notion-link" href="https://arxiv.org/abs/2611.21441" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41b343b68ae3811fb7a5fc6e34e6118d" data-id="41b343b68ae3811fb7a5fc6e34e6118d"><span><div id="41b343b68ae3811fb7a5fc6e34e6118d" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41b343b68ae3811fb7a5fc6e34e6118d" title="6. What Unlinked Aggregates Still Prove: Ranker Comparisons from Exact and Differentially Private Item Counts（Stanford University）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">6. What Unlinked Aggregates Still Prove: Ranker Comparisons from Exact and Differentially Private Item Counts（Stanford University）</span></span></h4><ul class="notion-list notion-list-disc notion-block-41b343b68ae381469288f5495bb2f819"><li><b>场景</b>：电商推荐，在 Beibei 与 Tmall 购买数据上做离线 ranker 对比评测，研究链接缺失下指标差的可靠区间。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae3815cb58edf042ba920a3"><li><b>线上效果</b>：无线上 A/B，仅离线：NDCG@10 与 Recall@k 的区间宽度及判定率，精确计数把 NDCG 区间宽压到 per-user 界的 30%（Beibei）与 20%（Tmall）。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381278216ef70baabf507"><li><b>问题</b>：complete-case 评测直接丢弃未链接用户、改变 cohort，链接与结果相关时结论会反转；倾向加权依赖“谁保持链接”的模型、插补依赖结果模型，而逐用户最坏界完全忽略聚合、区间通常过宽无法决策。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae3815691b1cab9143d6f38"><li><b>动机</b>：聚合计数把未链接用户耦合起来——若某物品恰有 3 个未链接用户购买，至多只能把该物品的贡献记给 3 个历史允许它的用户，不能给每个用户都记最有利选择；这一约束不需要任何缺失机制假设，故能在最坏情况下收紧配对指标差的区间。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381019c10d0270e0ca864"><li><b>贡献</b>：① 把无链接计数下的 ranker 比较形式化为运输问题，全单模 LP 给出锐利的配对 NDCG@k/Recall@k 区间，且嵌套于 generic 与 per-user 界（信息阶梯）。② 设计 O(W·k + G·m′) 条弧的缩减网络避开用户×目录乘积，用 completion check 与 lazy refinement 认证端点锐利，分段实验首次认证 69% 的外边界。③ 对 Laplace 计数给出同时置信箱，使同一发布对任意多组比较以 ≥1−α 联合正确，并证明隐私代价上界 2tM/n 随 1/n 收缩。④ 在 Beibei（20,623 用户）与 Tmall（103,507 用户）上验证精确计数在 random/activity/oracle 链接下对每个对都收窄区间。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae38101a462f3fe37638e0c"><li><b>做法</b>：把每个未链接用户的相关物品写成 0/1 变量 x(i,j)，用户行和为 1、segment-物品行满足精确计数或 DP 上下界，目标为未链接部分的 Σ q_i(j)·x(i,j)；约束矩阵是二分图关联矩阵、全单模，故 LP 顶点整数且两端点由某个 completion 达到（Thm 1）。规模化用活跃物品加本段零成本 pool 的二部匹配认证锐利，失败则 lazy refinement（≤8 轮）；DP 侧用 Laplace 机制（尺度 2/ε）配合 t=(2/ε)ln(M/α) 构造同时置信箱，箱不可行则弃权。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381839356dee1dddec2fc"><li><b>局限</b>：判定力几乎全由 Pop 的集中 slate 驱动，个性化对在精确计数下仅 14/168 与 0/81、DP 全直方图下无一判定，且用细 segment 换判定会快速增加个体结果披露。 <a class="notion-link" href="https://arxiv.org/abs/2611.20388" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41b343b68ae3817e8e05da9c23554ae1" data-id="41b343b68ae3817e8e05da9c23554ae1"><span><div id="41b343b68ae3817e8e05da9c23554ae1" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41b343b68ae3817e8e05da9c23554ae1" title="7. MAGE: Meta-path Adaptive Graph Evidence for Transferable Multimodal Graph Learning（Alibaba、Meta）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">7. MAGE: Meta-path Adaptive Graph Evidence for Transferable Multimodal Graph Learning（Alibaba、Meta）</span></span></h4><ul class="notion-list notion-list-disc notion-block-41b343b68ae381deb9f3f8b7642cb55a"><li><b>场景</b>：学术，无业务场景；跨域多模态图学习，在源图上训练后零参数更新迁移到未见图的节点分类与链接预测。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae38110b729e807dcca1d2d"><li><b>线上效果</b>：无线上 A/B，仅离线：4 个未见目标图（Movies、Grocery、Ele-fashion、Goodreads）上的 Accuracy 与 Macro-F1，论文报告两任务均取得最优。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae38190a23ad9c3e9239647"><li><b>问题</b>：现有方法在每个模态内部单独聚合文本和图像、之后再融合，邻域聚合过程中未捕捉跨模态交互，导致对未见图域泛化有限；且简单模态融合难迁移，邻域模态的相对贡献随数据集不同而变化。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381d08a38dce84c19a354"><li><b>动机</b>：控制实验显示邻域文本加图像合并并不总最优（Reddit-S 上仅文本最好），模态贡献随数据集变化（Grocery 文本 65.17 对图像 62.41，Goodreads 图像 37.02 对文本 36.28），因此应显式建模跨模态邻域交互并按目标节点选择证据，而非依赖节点级模态对齐。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae3814c80bbda720f95efa6"><li><b>贡献</b>：① 通过控制实验识别“邻域模态贡献随数据集变化”是跨域多模态知识迁移的关键挑战，论证需超越节点级模态对齐显式建模该贡献。② 提出 MAGE，其 MAMP 用模态类型异构图与路径特定传播显式建模跨节点跨模态依赖，MSPR 结合节点/邻域条件路由与路径特定语义提示匹配自适应融合传播模式。③ 提出 EGIT，为每个目标查询选取相关邻域证据并聚合为图感知表示写入任务指令，提供目标表示之外的补充上下文。④ 在 3 个源图训练、4 个未见目标图上评测节点分类与链接预测，两任务均超越竞争性基线。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae38156b57ac11d29699c21"><li><b>做法</b>：每个原节点拆为文本节点与图像节点构建模态异构图（4 种边型、8 条两跳元路径），MAMP 交替模态特定 Transformer 与沿元路径的两跳 GCN 传播 CLS，MSPR 以节点级 5 维与局部域 6 维统计描述子做 base router、以路径表示与可学习语义提示点积做 semantic router。自监督预训练含 CLS 掩码特征重构、边重构 BCE 与 Q-Former 对称 InfoNCE，二阶段只训 projector、MAMP 与 LLM 冻结。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381338bf5f1911c969786"><li><b>局限</b>：仅在公开数据集上离线评测，未验证真实业务部署与 LLM 推理开销；与 MoMoK/UniGraph2 的差异在于把节点模态建成异构图独立节点沿 8 条元路径分别传播并动态路由，而非平均模态特征。 <a class="notion-link" href="https://arxiv.org/abs/2611.20449" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41b343b68ae3813cb162c89536385292" data-id="41b343b68ae3813cb162c89536385292"><span><div id="41b343b68ae3813cb162c89536385292" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41b343b68ae3813cb162c89536385292" title="8. When the Bill Falls: Reusing the Old Index Defers,Never Avoids, Re-encoding in Complete Embedding-Model Migration（西北工业大学）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">8. When the Bill Falls: Reusing the Old Index Defers,Never Avoids, Re-encoding in Complete Embedding-Model Migration（西北工业大学）</span></span></h4><ul class="notion-list notion-list-disc notion-block-41b343b68ae381e682a6c2b539856a84"><li><b>场景</b>：学术，无业务场景；dense retrieval 的 embedding 模型升级迁移中复用旧索引的决策与成本定价。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381069ff6eb011d5dac33"><li><b>线上效果</b>：无线上 A/B，仅离线：Recall@10、新模型文档编码数、coverage 与 debt，覆盖 MS MARCO 1M、CodeSearchNet Python 及全量 8,841,823 passage 规模验证；K′=50 时窗口只触及语料 0.2540–0.2653，window 编码 26.4% 语料时 debt 仅 +0.0023，而 rebuild 后台只编码 3% 却背着整个 gap 0.0471 的 debt。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae38192a059ea3449253d5f"><li><b>问题</b>：现有复用工作有两处错判：adapter 相对新模型报告 95–99% recall，但迁移决策真正该问的是它是否胜过旧模型，低于旧模型的 adapter 还不如不迁移；window re-ranking 的延迟重编码成本被完全忽略，文献中没有任何工作提前给这份账定价。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381d7b54ad5741767ee3d"><li><b>动机</b>：旧索引要退役就必须用新模型编码全部 N 篇文档，所以复用改变的只是“何时付账”以及在此期间损失多少质量；而覆盖成本可由旧索引上的窗口多重直方图独立算出，像数据库优化器的列直方图一样，不执行迁移就能给方案定价。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae3819e91c4c634185f1b52"><li><b>贡献</b>：① 由完成约束证明并实测任何可采纳策略的总编码量恒为 N，复用只推迟付账（180 个 demand 后台顺序组合全部无法完成、均被判 inadmissible）。② 实测 5 类 adapter 家族×15 对模型，指出基线选错：只有同族 LLM embedder 对 P5r 超过旧模型 +0.0027 至 +0.0044（小于 τ，不算提升），其余全部低于旧模型、最多低 0.7843 Recall@10。③ 给出窗口复用成本模型，Theorem 1 用窗口多重直方图精确给出期望覆盖，Theorem 2 证明独立窗口形式上界对任意 workload 与索引成立，850 加 387 个回放点无一越界。④ 提出迁移前规划器（D1 是否迁移、D2 选哪个策略、D3 窗口多深），把达到目标质量的窗口定价到语料 4×10⁻⁵ 以内（7/8 对），NQ 上 10/11 选对策略。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae3817f870ce03a972033d2"><li><b>做法</b>：统一口径计数新模型下的文档编码数，质量按 query 首次被服务时测量一次；六种策略（S0 blue–green rebuild、S1 adapter bridge、S2 window re-rank、S3 mapped window、S4 window∪BM25、S5 全并）均配后台重编码器，Procedure 1 仅凭旧索引做一次检索即可定价任意时刻的编码量与上界。Procedure 2 按预注册的 ε=0.01、τ=0.005 依次判定是否迁移、是否值得 bridge、窗口深度，以及 rebuild 还是 S2@K′。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381c2bf25ecb87a1b23ab"><li><b>局限</b>：质量输入（模型间 gap 与 G）不能从 1M 直接搬到 8.8M、必须在实际服务规模上重测，且未覆盖负载下服务、K′=50 三对之外的规模回放、其他 GPU、非英语、长文档与故意不完成的迁移。 <a class="notion-link" href="https://arxiv.org/abs/2611.20702" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41b343b68ae38123bce5e9a5ef59654c" data-id="41b343b68ae38123bce5e9a5ef59654c"><span><div id="41b343b68ae38123bce5e9a5ef59654c" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41b343b68ae38123bce5e9a5ef59654c" title="9. Advancing Cognitive Pairwise Comparisons for Human-Centric Artificial Intelligence and Data Science: A Human-in-the-Loop Framework（莫纳什大学马来西亚分校理学院）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">9. Advancing Cognitive Pairwise Comparisons for Human-Centric Artificial Intelligence and Data Science: A Human-in-the-Loop Framework（莫纳什大学马来西亚分校理学院）</span></span></h4><ul class="notion-list notion-list-disc notion-block-41b343b68ae381fa89ffd775831688ad"><li><b>场景</b>：学术，无业务场景；以 MovieLens (2019) 电影推荐为案例的人机混合决策框架，把人类偏好注入数据变换、特征选择、模型调参等 ML 流水线环节。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae3815388d4c8d389f48b46"><li><b>线上效果</b>：无线上 A/B，仅离线：MovieLens 上各环节的 Accordance Index（特征加权 0.043、类别编码 0.076、离散化 0.048，均低于 0.1 满意阈值）。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae38156ba58dce3fbbbc120"><li><b>问题</b>：现有 HITL/HCAI 方法主要靠定性设计准则、事后可解释工具或简单行为反馈回路，缺少严格的区间尺度数学机制，无法把隐性人类判断转成可直接编程进数据变换、特征选择、模型调参等底层流水线操作的精确数值权重。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae38197bb3fe5d2e18b8ffc"><li><b>动机</b>：AutoML 全自动方案并非对不同用户和问题域通用，且存在 automation bias；作者认为人类隐性领域知识必须参与，而 CPC 能以结构化成对比较把隐性偏好转成显式区间尺度权重，可进一步算法化嵌入各流水线环节。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381d89b83e9581fc61847"><li><b>贡献</b>：① 提出 CPC-HCAD 人机混合决策框架，把 CPC 从 MCDM 工具扩展为流水线级偏好注入方法。② 基于 PLS 推导 RAU 闭式量化公式（Eqs. 1–7），并用 Accordance Index 校验成对判断一致性。③ 将 CPC 落地为特征加权、类别编码、离散化、数据划分、前向特征选择、模型选择、加权距离与用户偏好加权 PCA。④ 在 MovieLens 上演示同一偏好提取机制跨监督学习、无监督学习、降维与规则挖掘的适用性。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae3817a87f0f7cdeaf0086d"><li><b>做法</b>：对 n 个对象做 n(n−1)/2 次成对比较构建 POM，评分取 γ_i=iκ/8，PLS 最小化 Σ(b_ij−v_i+v_j)² 且约束 Σv_i=nκ，闭式解 v_i=(1/n)Σ_j b_ij+κ，再按 W=V/(nκ) 归一化为权重，AI≤0.1 视为一致。扩展到类别编码时以偏好权重替代 one-hot 的 0/1，离散化用 NRAU 得区间宽度比例 w 后按切点公式分段。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae3810b9302e6b3d114b79f"><li><b>局限</b>：演示仅限 MovieLens 电影推荐场景，验证集中于一致性指标与示例权重，未涉及线上部署与业务收益；与 HGML/MILE 的高层定性引导不同，本文给出带一致性校验的定量偏好提取机制。 <a class="notion-link" href="https://arxiv.org/abs/2611.20926" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41b343b68ae38143aba2e834ba460dfa" data-id="41b343b68ae38143aba2e834ba460dfa"><span><div id="41b343b68ae38143aba2e834ba460dfa" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41b343b68ae38143aba2e834ba460dfa" title="10. Evidence Diet: When Graph Evidence Helps LLMs Rank Competing Candidates"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">10. Evidence Diet: When Graph Evidence Helps LLMs Rank Competing Candidates</span></span></h4><ul class="notion-list notion-list-disc notion-block-41b343b68ae38110a939d16c645567cf"><li><b>场景</b>：生成式推荐（学术）；LLM 对 10 个候选做生成式重排，Amazon Books 与 MovieTV 离线评测，无线上业务。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae3817db369f2aa79fc63c8"><li><b>线上效果</b>：无线上 A/B，仅离线：H@1/H@5/NDCG@5、StrictValidRatio 与支持对准确率；冻结测试中 274 个新 Books 用户的 target–rival 支持对准确率 66.87→72.95（+6.07pp，95% CI [4.18, 8.00]）。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381dd966ad7b1d31023e7"><li><b>问题</b>：现有 LLM 重排器把检索到的协同交互、路径直接拼进 prompt（如 CoRAL/MemRec/LLaRA），但未区分“哪些候选有图支持”与“在有支持候选之间如何排序”，也未检验排序器是真正使用证据归属、还是只感知支持存在性；同时证据负载本身会显著掉点。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae38140abf1d32931a7d759"><li><b>动机</b>：作者直觉：一旦支持已知，真正决定排序的是“哪个候选拿到哪些支持者与路径计数”；保持支持与计数多重集不变、只交换归属，若排序器真消费证据，正确归属应改善 target–rival 排序，从而把“识别支持”与“在支持者间排序”分离。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae3816e9d1de74ec17d0578"><li><b>贡献</b>：① 提出交换式诊断协议（支持者/路径计数互换、degree matching、整条记录重分配、格式与负载干预），分离支持存在性与证据归属。② 在 Books/MovieTV 完成来源分解、负载、实体绑定、模型尺度四项诊断，发现正确计数归属改善 target–rival 排序。③ 冻结测试确认归因效应：274 个新 Books 用户支持对准确率 +6.07pp（95% CI [4.18, 8.00]）。④ 显示数值计数注入优于文本 Z，历史分数与图结构/非线性打分互补。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae38154a79ce165ae483098"><li><b>做法</b>：每用户 1 目标加 9 负样本做 10 候选排序，对比仅历史 N、至多 8 个历史物品的两跳原始路径 R、编译统计 Z 与 RZ；干预含跨用户长度匹配互换、语义/热度/双重匹配替换、target-degree matching、整条记录重分配与支持内计数饱和互换、flat/hierarchical 格式及 prompt 负载扰动。模型用 Qwen3 0.6B/1.7B/4B（LoRA rank 16）与 GLM-4-9B-Chat，统计用 10,000 次用户配对 bootstrap。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381ee889beca526b21c68"><li><b>局限</b>：纯离线开发与冻结测试、单目标 10 候选设置，未验证线上业务收益；不新增证据注入方式，而是在固定支持与计数多重集下只交换归属，证明正确分配本身贡献排序。 <a class="notion-link" href="https://arxiv.org/abs/2611.20837" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41b343b68ae381889c54e251ca415b64" data-id="41b343b68ae381889c54e251ca415b64"><span><div id="41b343b68ae381889c54e251ca415b64" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41b343b68ae381889c54e251ca415b64" title="11. Living Context Graphs: Continual Semantic Learning for Enterprise Data Reasoning（Genloop）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">11. Living Context Graphs: Continual Semantic Learning for Enterprise Data Reasoning（Genloop）</span></span></h4><ul class="notion-list notion-list-disc notion-block-41b343b68ae381d78d8dd31364d197e3"><li><b>场景</b>：企业数据推理（Text-to-SQL），学术评估设定，基于 BIRD 三个数据库，无真实业务上线。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae3811ab378f999be6f22c2"><li><b>线上效果</b>：无线上 A/B，仅离线：BIRD dev 三库 499 题 execution accuracy，bootstrap 使全题 34.1%→38.7%（留出题 13.0%→13.7%），仅从历史学习使留出题 13.7%→36.3%（+22.6 点，95% CI [+14.4, +30.8]）。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381a49b19c82343586f6f"><li><b>问题</b>：数据库 schema 只有列名，业务含义、指标口径与报表惯例散落在 dashboard、分析师查询和部落知识里；人工语义层（dbt、LookML）部署昂贵、易过时，也不会从 agent 的执行结果中自我修订。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae38164ad59d43db2761bea"><li><b>动机</b>：瓶颈在数据基础而非模型能力，应在不拷贝、不转换既有数仓的前提下从数据本身 bootstrap 一部分语义，再靠带执行验证的使用补齐&quot;数据里学不到&quot;的业务概念；以可复用概念为单位修正，才能跨问题泛化、可审计、可失效重学。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381f6bf45c9426abe1e83"><li><b>贡献</b>：① 提出 LCG 无拷贝上下文架构，在既有数仓上 bootstrap 语义存储并依据验证过的使用持续修订。② 将语义学习与上下文路由分离，服务期概念图只做索引，成本与延迟降 2–3 倍而准确率基本不变。③ 提出 transfer-aware 评估协议：学习历史与留出问题共享业务概念但不共享问题。④ 证明 outcome-gated admission 关键：从历史学习使留出 53/146，全量接纳提议规则则跌至 29/146。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381eb8b1be5c2711f3c0b"><li><b>做法</b>：semantic store 存人类可读的业务定义、关系、指标与修正，concept graph 按用户实际词汇索引路由；bootstrap 由 profiling 加 onboarding agent 写定义，使用中查询经 canonicalize 后路由，成功强化、失败撤回，答案验证后 learning agent 写出持久语义 delta，准入与遗忘由执行成功、参考答案等内外信号门控。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae38182972cf930a6b169a5"><li><b>局限</b>：监督来自答案匹配，强于真实部署的被动&quot;无投诉&quot;反馈；规模仅 3 库 499 题且留出集为测迁移而构造，LLM judge 与人工评审一致性未测。<a class="notion-link" href="https://arxiv.org/abs/2611.20976" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41b343b68ae381cf8f6ad2f2f4f8a5c4" data-id="41b343b68ae381cf8f6ad2f2f4f8a5c4"><span><div id="41b343b68ae381cf8f6ad2f2f4f8a5c4" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41b343b68ae381cf8f6ad2f2f4f8a5c4" title="12. Conformal Expert Pools: Training-Free Probabilistic Time-Series Forecasting Beyond Seasonality（Amazon）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">12. Conformal Expert Pools: Training-Free Probabilistic Time-Series Forecasting Beyond Seasonality（Amazon）</span></span></h4><ul class="notion-list notion-list-disc notion-block-41b343b68ae3815bb88bdcd5ac4da602"><li><b>场景</b>：时间序列概率预测基准评估，学术设定，无业务上线。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381eb8adae12ed149c37c"><li><b>线上效果</b>：无线上 A/B，仅离线：232 数据集、24,502 窗口上 CRPS 在 78% 数据集优于 CSP（典型比值 0.86），MSIS 84% 更优（0.77），覆盖率 0.901→0.922。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae3810b8553f79b3c29ddd5"><li><b>问题</b>：CSP 只用 seasonal-naive 预测序列水平，遇趋势、历史过短、波动率变化或大量零值时残差不再可靠——30 点及以下历史覆盖率仅 56%，12 步内仅 82%，远低于 95% 目标。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381238dc3faa63b5bfca1"><li><b>动机</b>：CSP 的价值在于免训练、无跨序列学习参数、成本低到可当默认基线；因此不动这些前提，只把单一预测换成固定设置的简单预测器池，用专家在同一序列历史上真实犯过的误差构造预测分布。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381859e16c15c26c095ff"><li><b>贡献</b>：① 提出免训练概率预测器 CEP，把 CSP 从单一 seasonal-naive 扩展到序列自适应的专家预测器池。② 在 232 数据集、24,502 窗口上评估，含按数据集家族的 held-out 划分和 36 个 fev-bench 语料外文件。③ 与 Laplace 做同历史、多步的同等条件对比，证伪&quot;CSP 几乎击败一切&quot;的声明。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae3811e8504fd517dabedf3"><li><b>做法</b>：用一组固定设置的经典点预测器（专家池）给出水平预测，抽取其在同一序列历史上的实际误差构成经验池，直接采样得到 N=200 情景与 95% 预测区间；不使用协变量或其他序列，无训练、无学习参数、无超参搜索，单次预测中位耗时 39 ms。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae38184bf16f856a41ef3c9"><li><b>局限</b>：沿用 CSP 的&quot;conformal&quot;用法，不对覆盖率作正式理论保证，只有 232 数据集上的经验验证；与 NPTS 家族不同在于分布来自专家池的历史误差而非过去值采样。<a class="notion-link" href="https://arxiv.org/abs/2611.21267" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41b343b68ae381ee9bacfe326c4a12de" data-id="41b343b68ae381ee9bacfe326c4a12de"><span><div id="41b343b68ae381ee9bacfe326c4a12de" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41b343b68ae381ee9bacfe326c4a12de" title="13. Can LLMs Give Good Product Advice? A Framework for Diagnosing Failures（NVIDIA）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">13. Can LLMs Give Good Product Advice? A Framework for Diagnosing Failures（NVIDIA）</span></span></h4><ul class="notion-list notion-list-disc notion-block-41b343b68ae381f4b621e5919cd81fcf"><li><b>场景</b>：对话式推荐中的 LLM 产品选购建议评估（汽车、笔记本、耳机、软件、硬件），离线诊断框架，无线上部署。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae38166ab8ed1edd5a768c7"><li><b>线上效果</b>：无线上 A/B，仅离线：ESCI Exact 选择率 58.6–73.6%（随机 25%）；K=40 下候选覆盖 95.5%/76.6%/57.1%，但条件选择率仅 47.0%/26.5%/39.3%。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae3815888a0d7e342d429a3"><li><b>问题</b>：现有评估靠匹配社区回复中的产品名，但多个产品都可能合适、记录的社区答案本身也可能差，匹配上无法回答建议是否满足需求，也缺少定位错在哪一环节的方法。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381fd8d53f8c585af6bc6"><li><b>动机</b>：建议质量需要产品事实与用户需求证据才能判断；把建议拆成从理解请求到选定产品的各阶段后，不同错误（如把&quot;SUV 或 minivan&quot;改成&quot;只 SUV&quot;，或记录了六座要求却选五座车）可分别归因，并用针对性干预检验薄弱环节。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae3818fb5a0c01a7a48c137"><li><b>贡献</b>：① 提出建议质量与自一致性的评估流程，用 top-/set-reference 一致性和 source-blind 直接对比做窄化比较。② 定义 F/B/C/P/I/I_filtered/R 结构化表示与六大类 19 种失效模式，明确每种诊断所需证据。③ 分离候选覆盖率与条件选择率，识别答案抽取与候选列表构造两类评估 artifact。④ 实现 15 个非生成启发式与 4 个生成式 verifier，并发现 fact anchoring 不改善参考一致性（22.9%→22.0%）。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381b5a6fcf83ec5c6c0ca"><li><b>做法</b>：将回复分解为 F 明示事实、B_inf 有据推断、B_assume 背景先验、C 硬约束、P 偏好、I 候选集、I_filtered 与 R 排序，按依赖图对根检查点（1a/1b/1c/2b/4a）下钻；用产品事实表审计约束，枚举 3×20 候选测覆盖，供选列表测选择，ESCI 相关性标签做外部校验。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381908789e704f652d6fb"><li><b>局限</b>：verifier 未经人工标注验证，社区参考非完备、非金标，数据集中于 2019 年英语美向人群；与 ShoppingReasoningBench 的专家 rubric 路线不同在于考察社区参考、抽取效应与候选构造 artifact。<a class="notion-link" href="https://arxiv.org/abs/2611.20734" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41b343b68ae38195abbfdf26be16a601" data-id="41b343b68ae38195abbfdf26be16a601"><span><div id="41b343b68ae38195abbfdf26be16a601" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41b343b68ae38195abbfdf26be16a601" title="14. Leveraging Binary Hashing for Scalable Index Assignment in Semantic Communications（Orange 研究院、CentraleSupélec、INSA Lyon）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">14. Leveraging Binary Hashing for Scalable Index Assignment in Semantic Communications（Orange 研究院、CentraleSupélec、INSA Lyon）</span></span></h4><ul class="notion-list notion-list-disc notion-block-41b343b68ae3816998bde406f1ad9d86"><li><b>场景</b>：语义通信中句子 embedding 的二值压缩传输，下游为意图分类，学术基准，无业务上线。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381d1bfdef5cd64d74f73"><li><b>线上效果</b>：无线上 A/B，仅离线：Banking77 分类准确率，b=128 时 CCA-ITQ 在 p=0 达 83.3%（超未压缩 IEEE 754 的 79.7%），p=0.1 仍 82.3%，相当于 192× 压缩。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae38152ae56f4065d2ff1cd"><li><b>问题</b>：直接传输 768 维 float32 embedding 需 24576 bit，带宽代价过高；VQ 加索引分配框架则量化失真被码本大小 K 锁死、最近质心编码复杂度 O(Kd)、BSA 精化 O(K²)，K 接近训练集规模时计算不可行。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae38195af7dcc76bf476087"><li><b>动机</b>：哈希用超平面阈值化投影，让相似向量落在同侧、在 Hamming 空间保持接近，可在 O(bd) 编码复杂度下保留索引分配所追求的信道错误局部性；数据相关超平面加 ITQ 正交旋转能降低二值量化损失、平衡比特，从而提升抗比特翻转鲁棒性。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae3813ebcfac73bd9447671"><li><b>贡献</b>：① 首次将信息检索领域的二值哈希作为语义通信专用压缩方案，给出对 VQ 的可扩展替代。② 在 BSC 信道上跨比特率与误码率，与未压缩、K-means+BSA、PQ+BSA 做系统基准对比。③ 证明 PCA/CCA 超平面经 ITQ 精化后稳定优于随机 LSH，CCA-ITQ 取得最佳分类准确率。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae38147957ae1e7e33930f4"><li><b>做法</b>：统一仿射投影 H(e)=sign(W(e−μ))，W 取自随机高斯（LSH）、样本协方差前 b 个特征向量（PCA）或 embedding 与 one-hot 标签的正则化广义特征向量（CCA），ITQ 交替学习正交旋转最小化 Frobenius 范数 ‖B−ZRᵀ‖²；接收端在共享表中按 Hamming 距离检索最近非空哈希单元，回送单元均值 embedding 给逻辑回归分类器。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae38164bcecc74fa071cc5a"><li><b>局限</b>：仅用单一 embedding 模型与单一文本分类任务，跨模型、跨任务及多任务泛化性待验证；与 K-means+BSA 需码本不同，本文直接哈希、编码仅 O(bd)。<a class="notion-link" href="https://arxiv.org/abs/2611.21260" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41b343b68ae3811c904bd970f307b207" data-id="41b343b68ae3811c904bd970f307b207"><span><div id="41b343b68ae3811c904bd970f307b207" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41b343b68ae3811c904bd970f307b207" title="15. EE-Motion: An EEG-based Web Architecture for Live Affective Music Recommendation（巴里理工大学、马德里自治大学、Wideverse）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">15. EE-Motion: An EEG-based Web Architecture for Live Affective Music Recommendation（巴里理工大学、马德里自治大学、Wideverse）</span></span></h4><ul class="notion-list notion-list-disc notion-block-41b343b68ae38114a2bfc90193dbbc88"><li><b>场景</b>：音乐推荐 live demo，核心是匿名访客冷启动加实时 EEG 情绪信号，学术演示，无线上部署。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae38156a3f6f4a7c354f86e"><li><b>线上效果</b>：无线上 A/B，仅离线：本地 benchmark ACE live 90.3±7.0 ms、SASRec live 80.0±7.4 ms，均低于 8Hz EEG 流的 125 ms 期限；nDCG@10 与离线无显著差异（ACE 0.0231 vs 0.0236，SASRec 0.0164 vs 0.0148，Wilcoxon p&gt;0.05）。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381b78296e4f527b0931e"><li><b>问题</b>：推荐系统围绕点击/播放等离散日志构建，没有接驳数百赫兹连续生理遥测的原生通道；匿名访客在 CF 下需静态用户嵌入表并重训练或 fold-in，SASRec 只操作离散 item token 无法在打分时融合连续 affect，ACE 等则把 V/A 绑死在模型特定训练目标上。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381a99287f32b091b7eb2"><li><b>动机</b>：情绪在单次 session 内持续漂移，用历史日志或静态画像估计会与当下状态脱节；只要在请求时把实时生理信号送进排序管线，并把接口统一成 [0,1]² 的归一化 V/A 坐标，就能解耦传感模态与排序模型（input swappability），无需重训练即可服务匿名访客。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae38171962dee638f3fe604"><li><b>贡献</b>：① 基于 Web Bluetooth 让浏览器直连 Muse 2，实时滤波、质量门控并映射为归一化 V/A 代理坐标。② 提出 affective adapter，把 ACE、SASRec 等不同家族离线模型统一改写为 live affective 变体，用少量收藏曲目参数化匿名访客。③ 用四微服务解耦架构实现 input swappability，手动拖拽 V/A 平面即可替换真实传感器。④ 本地延迟显著低于 125 ms 期限，且 nDCG@10 与离线无显著差异。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae3813c8603e4e88a4b0f4f"><li><b>做法</b>：bci-processor 用 Muse-js 采集 TP9/AF7/AF8/TP10 四通道 256Hz、约 4s 环形缓冲，经 MNE 坏道检测与 1–40Hz 因果带通、NeuroKit2 估频带功率，以 FAA（αAF8/αAF7 的对数）作 valence、AI 比值作 arousal 并经 sigmoid 归一化；recommender 在 WarpRec 上挂 affective adapter，平均所选曲目 embedding 把匿名访客投影到隐空间后输出 top-k。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381c38b7bd8a2a9e4da39"><li><b>局限</b>：FAA/AI 仅为未校准的生理代理指标而非经验证的情绪识别，评估止于本地延迟与离线指标，无真实在线用户效果；与 ACE 把 V/A 绑进模型特定训练目标不同，这里将其抽象为可跨模型复用的 adapter。<a class="notion-link" href="https://arxiv.org/abs/2611.21032" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41b343b68ae381d08590f86603cc8001" data-id="41b343b68ae381d08590f86603cc8001"><span><div id="41b343b68ae381d08590f86603cc8001" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41b343b68ae381d08590f86603cc8001" title="16. ExRel: Learning Directed Reuse Relevance between Rich-Text K-12 Question Images with Executable Relation Contracts"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">16. ExRel: Learning Directed Reuse Relevance between Rich-Text K-12 Question Images with Executable Relation Contracts</span></span></h4><ul class="notion-list notion-list-disc notion-block-41b343b68ae381c0a23ae27ab3197419"><li><b>场景</b>：学术研究，无业务场景，任务是判定 K-12 题目图像之间的复用关系。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae3812cb61cc5c4fc650cf7"><li><b>线上效果</b>：无线上 A/B 实验，仅离线：该监督在查询级排序以及 Medium 关系上优于 size-matched 自然数据和 count/class-matched replay，人工审核的有效率为 98.0%，单对成本为 0.70 RMB，低于外包标注的 1.10 RMB。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae3819c8761c8f9f6954ff7"><li><b>问题</b>：通用相似度分数忽略了任务特定的复用要求，无法区分措辞、条件、答案选项或任务范围变化带来的效用差异；自然监督又以 Strong 关系为主，缺乏细粒度覆盖。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381ad91b1e16cc722cc99"><li><b>动机</b>：复用效用取决于哪些内容被改动，而非单纯视觉相似。因此要把真实题目重建为可编辑的 HTML/CSS 种子，并用可执行合同显式规定允许编辑、受保护不变量与查询-候选方向，才能可控且可验证地合成细粒度关系样本。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae3812e894bd842f9b26713"><li><b>贡献</b>：① 形式化 directed reuse relevance 任务，把候选复用效用分为 Strong、Medium、Weak 三级；② 提出 agentic、code-grounded 的 ExRel 框架，把 15 种关系子类型编译为可执行合同；③ 引入确定性的 DOM/渲染校验，以及目标隐藏且证据辅助的审核和有界修复，使下游仅用渲染图像训练；④ 实验显示该监督在细粒度关系与视觉退化鲁棒性上优于自然数据，且成本更低。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381fc8fb3ece1d673e5ff"><li><b>做法</b>：先把真实题目重建为可编辑的 HTML/CSS 种子，再把 15 种关系子类型编译为规定 permitted edits、protected invariants 与 query-candidate 方向的可执行合同；合成对经 DOM/渲染校验与审核后，施加轻度拍照退化。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381788779f685730ead5e"><li><b>局限</b>：摘要仅覆盖离线与人工评估，未提及线上部署，也未披露数据集名称与具体排序数值。 <a class="notion-link" href="https://arxiv.org/abs/2611.21461" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41b343b68ae38191bfedc3c083c6b94e" data-id="41b343b68ae38191bfedc3c083c6b94e"><span><div id="41b343b68ae38191bfedc3c083c6b94e" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41b343b68ae38191bfedc3c083c6b94e" title="17. Straight to the Product: What Online Retailers Miss When Shoppers Ask AI First（Scrunch AI）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">17. Straight to the Product: What Online Retailers Miss When Shoppers Ask AI First（Scrunch AI）</span></span></h4><ul class="notion-list notion-list-disc notion-block-41b343b68ae38161a2c7e7a4f16bbc09"><li><b>场景</b>：对话式推荐，关注 AI 购物助手的答案如何影响电商零售商的站内流量与商品选择。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae38153a35acd7fca824c0b"><li><b>线上效果</b>：无线上 A/B 实验，而是基于 opt-in 消费者面板的观察性研究：答案后 24 小时内访问命名产品为每百条答案 2.07 次，基线为 0.02 次（+2.0 [1.7,2.4]）；44% vs 1.5% 的用户去看被命名的产品，复现期 42% vs 1.2%。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae38154b1b9fef39e923df0"><li><b>问题</b>：现有购物助手评估止步于答案本身，referral 报告也只统计带链接的访问：89% 的助手后访问没有链接痕迹、被记为普通搜索流量，因为决策发生在对话里，记录却在搜索框中。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381ebbeeefd5640ac92c5"><li><b>动机</b>：用户看到答案中的产品名后常直接搜该产品名到店，链接归因会完全漏掉这段旅程；因此需要一个不依赖 referral 数据和 provider 日志、只用答案文本加后续页面浏览的行为指标。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381dea4c5edea361946a6"><li><b>贡献</b>：① 给出产品级证据，说明助手答案影响用户去看哪个产品；② 提出 product follow-through 指标，可对每个助手分别计算（ChatGPT +2.2pt、Gemini +1.0pt）；③ 揭示商店几乎看不见助手流量：89% 无链接痕迹、54% 经网页搜索、搜索框被当地址栏用；④ 发现答案只决定起点、店内推荐引导其余浏览（31.4% vs 26.2% 看≥2 个商品）。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae38167b039d9b64ca4985a"><li><b>做法</b>：用同一批人的网页浏览记录与 ChatGPT/Gemini/Claude/Perplexity/Grok 对话面板，由 LLM judge 分类答案类型，用页面标题加 URL 做商品匹配，并与同人 14/21/28 天前基线等对照。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381ef88e8dde27abaffd7"><li><b>局限</b>：观察性研究、只见访问不见购买，且仅覆盖两个英语市场与 20 家大型零售商。 <a class="notion-link" href="https://arxiv.org/abs/2611.20378" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41b343b68ae381eb8958ffd2a2875443" data-id="41b343b68ae381eb8958ffd2a2875443"><span><div id="41b343b68ae381eb8958ffd2a2875443" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41b343b68ae381eb8958ffd2a2875443" title="18. Overview of the Plagiarism Detection Task at PAN 2026"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">18. Overview of the Plagiarism Detection Task at PAN 2026</span></span></h4><ul class="notion-list notion-list-disc notion-block-41b343b68ae381d39a57ce4f868985cf"><li><b>场景</b>：学术研究，无业务场景，属于生成式抄袭检测与科学文献溯源的评测任务。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae3819c98adc2b1e57eb99b"><li><b>线上效果</b>：无线上 A/B 实验，仅离线结果：6 支团队共 26 份提交显著优于三个基线，摘要未列具体指标与数值。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381058a7ce96bc79ccc79"><li><b>问题</b>：恶意行为者可用 LLM 低成本生成论文并规避对未披露复用的检测，缺少针对这类合成生成式抄袭的检索评测数据与基准。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381eba5b4d5bf32ffd6d7"><li><b>动机</b>：以“恶意者用最小成本生成论文并规避检测”为前提合成数据，更贴近真实滥用场景，用于检验系统能否回溯被抄袭的原始科学来源。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae3814cb83fd4bef6bcd9bd"><li><b>贡献</b>：① 提出 PAN 2026 生成式抄袭检测任务，目标是为自动生成的抄袭文本检索原始科学来源；② 按恶意者规避检测的前提构建两个合成生成式抄袭数据集；③ 用四个 LLM 生成数据；④ 汇总 26 份提交与三个基线的对比。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381949c50e22ace50a141"><li><b>做法</b>：任务综述路线，用 GPT-OSS 120B、Llama 3.1 8B、Qwen 3.5 27B FP8、DeepSeek-R1 Distill Llama 8B 合成两个数据集，再汇总参赛系统结果并与基线对比。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae38184b78ede02c7f8a1df"><li><b>局限</b>：摘要未给出具体指标数值，未讨论局限，也未提及与之对比的同类工作。 <a class="notion-link" href="https://arxiv.org/abs/2611.20443" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41b343b68ae38174a6f6e6968e10ee99" data-id="41b343b68ae38174a6f6e6968e10ee99"><span><div id="41b343b68ae38174a6f6e6968e10ee99" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41b343b68ae38174a6f6e6968e10ee99" title="19. Adaptive-Elbow Graph Traversal for Schema Retrieval in Text-to-SQL（Engineering Ingegneria Informatica S.p.A.）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">19. Adaptive-Elbow Graph Traversal for Schema Retrieval in Text-to-SQL（Engineering Ingegneria Informatica S.p.A.）</span></span></h4><ul class="notion-list notion-list-disc notion-block-41b343b68ae381c4b20ff5190e300259"><li><b>场景</b>：学术研究，无业务场景，针对 text-to-SQL 的 schema 检索第一级召回。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae3816db42dc45da41c22c8"><li><b>线上效果</b>：无线上 A/B 实验，仅离线表级指标：BIRD merged 在 t_hop=1、97% recall 下 precision 为 36.9%，固定 k 为 25.6%；Spider merged 从 7.0% 提至 14.3%；全流程 300–450 ms/query。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae3819e8fa4cb2c9a8f754f"><li><b>问题</b>：现有 dense embedding 加固定 top-k 的 schema 检索对所有问题用同一预算，简单题被噪声表填充、复杂题的金标表掉出列表；纯语义相似度还会系统性漏掉语义不相关但 join 必需的外键桥接表。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae3819692a6ed3a47cf8816"><li><b>动机</b>：相似度排序曲线的头—尾肘点结构因题而异，预算应由曲线形状逐题决定；外键图结构与语义信号互补，可确定性补回桥接表，两者都是零 LLM 调用的低成本预筛。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381b7b7c4fecf67209979"><li><b>贡献</b>：① 将 Kneedle 膝检测扩展为带单一激进度参数 α 的逐题自适应预算，替代固定 top-k；② 在 Table/Column 属性图上做双向 REFERENCES 遍历，确定性补回桥接表；③ 在 3–13、74、546 三档候选池上隔离两机制，给出各自何时生效的经验地图。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381cfabe9cde4709676ca"><li><b>做法</b>：用 PostgreSQL 属性图存 Table/Column 节点与 REFERENCES 边，all-MiniLM-L6-v2 分块嵌入取节点内最大 cosine 排序，双窗平滑定肘后按 α 缩放切点并换算成阈值 τ 截断，再对 seed 集做 t_hop 次双向外键扩展（默认 α=0.6、t_hop=1）。</li></ul><ul class="notion-list notion-list-disc notion-block-41b343b68ae381998c8fe5659a60c068"><li><b>局限</b>：仅表级离线评估，未验证端到端 SQL 执行准确率，且分数曲线平坦时肘点会退化为返回大部分候选。 <a class="notion-link" href="https://arxiv.org/abs/2611.20979" target="_blank" rel="noopener noreferrer">↗</a></li></ul><hr class="notion-hr notion-block-41b343b68ae381df9555f7ae5a3f6879"/><div class="notion-text notion-block-41b343b68ae381db899bffec8da40d09"><em>本日报由 AI 自动生成，解读观点仅供参考。</em></div></main></div>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[推荐算法日报 - 2026-11-14]]></title>
            <link>https://www.bins-log.com/article/daily-report-2026-11-14</link>
            <guid>https://www.bins-log.com/article/daily-report-2026-11-14</guid>
            <pubDate>Sat, 14 Nov 2026 00:00:00 GMT</pubDate>
            <description><![CDATA[长序列记忆的竞争重心已从「装下更多」转向「怎样有选择地遗忘」：RecMem 用 16 个 memory 槽位加 200 个近期 token、共 216 token，在 MerRec 上取得 HSTU-1200 的 87.9% R@10，但 top-rank 精度仍有 42.36 对 48.18 的硬差距；RACE 则从另一头出发，把容量当作可按实例分配的动态资源，用 top-K 预测的分布稳定性作]]></description>
            <content:encoded><![CDATA[<div id="notion-article" class="mx-auto overflow-hidden "><main class="notion light-mode notion-page notion-block-41a343b68ae381429210ca6019546a0a"><div class="notion-viewport"></div><div class="notion-collection-page-properties"></div><h3 class="notion-h notion-h2 notion-h-indent-0 notion-block-41a343b68ae381eab76ce65a49b6bb8e" data-id="41a343b68ae381eab76ce65a49b6bb8e"><span><div id="41a343b68ae381eab76ce65a49b6bb8e" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41a343b68ae381eab76ce65a49b6bb8e" title="一、📊 趋势分析"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">一、📊 趋势分析</span></span></h3><div class="notion-text notion-block-41a343b68ae3810abcddcb08681bea75"><b>🔥 长序列记忆的竞争重心已从「装下更多」转向「怎样有选择地遗忘」</b>：RecMem 用 16 个 memory 槽位加 200 个近期 token、共 216 token，在 MerRec 上取得 HSTU-1200 的 87.9% R@10，但 top-rank 精度仍有 42.36 对 48.18 的硬差距；RACE 则从另一头出发，把容量当作可按实例分配的动态资源，用 top-K 预测的分布稳定性作复杂度代理。两篇都在回答「在固定预算下，哪些历史值得保留」，一个靠可学习的 forget gate 做结构性遗忘，一个靠不确定性做动态裁剪。判断：容量瓶颈已从工程问题变成建模问题，且两种路线的代价都尚未被充分刻画。</div><div class="notion-text notion-block-41a343b68ae3810290fdfb221415ca9d"><b>💡 在线索引的瓶颈正从「编码能力」让位给「增量维护」</b>：StreamEmbed 的切口是像素差异——空间 token 剪枝 + 跨帧 KV 复用，在 M2 Pro GPU 上最多 3.7× 加速且精度不降，一年截图的向量索引仅占 0.13 GB RAM。与之对照，Multimodal Discovery 在 3,612 页、75 查询上 cosine 的 P@5 只有 0.514，还要靠 HNSW + Memmap + 二值量化才撑起库级规模。一个在解「新数据来了要不要重算」，一个在解「存量库怎么查得准」，共同点是都不再指望更大的 VLM。判断：截图、页面这类高频增量语料会率先跑通增量索引范式，静态库级检索的精度天花板短时间内难被模型规模突破。</div><div class="notion-text notion-block-41a343b68ae381cf8a05c33154e1e86e"><b>💡 「重估别人的测量」开始被当作一等贡献</b>：Who Counts as Exposed 把 E2/E3 占比从基准的 41.4% 压到集成模型的 12%–24%，说明 δ 权重这类内部构造选择直接改变「谁被算作暴露」；When Does Oversampling Help 用 DiD 分离后发现，过采样的净增益只在 6 个真实数据集中的 1 个配置上统计显著。两篇都不提新模型，却都在推翻被默认引用的结论。判断：这套审计方法论对推荐系统完全可迁移——离线基准的标签构造、负采样与切分方式同样经不起这样重跑一遍。</div><h3 class="notion-h notion-h2 notion-h-indent-0 notion-block-41a343b68ae381aba915e6a3fb30fac2" data-id="41a343b68ae381aba915e6a3fb30fac2"><span><div id="41a343b68ae381aba915e6a3fb30fac2" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41a343b68ae381aba915e6a3fb30fac2" title="二、📋 今日速览"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">二、📋 今日速览</span></span></h3><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41a343b68ae381d3b825d55c7a18dc72" data-id="41a343b68ae381d3b825d55c7a18dc72"><span><div id="41a343b68ae381d3b825d55c7a18dc72" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41a343b68ae381d3b825d55c7a18dc72" title="▍学术界（15 篇）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">▍学术界（15 篇）</span></span></h4><table class="notion-simple-table notion-block-41a343b68ae3816e8b53f0eb83288b79"><tbody><tr class="notion-simple-table-row notion-simple-table-header-row notion-block-41a343b68ae38179ad07c6ff45e9571c"><td class="" style="width:120px"><div class="notion-simple-table-cell">方法</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">机构</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">关键结果</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">证据</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">部署</div></td></tr><tr class="notion-simple-table-row notion-block-41a343b68ae381eaba15e5b13f5bb679"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.17921" target="_blank" rel="noopener noreferrer">RecMem</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">上海交通大学、淘宝</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">定长记忆槽循环压缩长历史，216 token 上下文保留 HSTU-1200 87.9% 的 R@10。</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">B</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">未部署</div></td></tr><tr class="notion-simple-table-row notion-block-41a343b68ae381ddb1e5ee72e197abc9"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.17726" target="_blank" rel="noopener noreferrer">Towards High</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">印第安纳大学伯明顿分校、俄勒冈大学</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">用 ColPali+Qdrant 做页面级多模态检索，cosine 的 P@5 达 0.514 并实现亚线性扩展</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">A</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">未部署</div></td></tr><tr class="notion-simple-table-row notion-block-41a343b68ae3814abb6ccd8214080c1e"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.18516" target="_blank" rel="noopener noreferrer">StreamEmbed</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">—</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">像素差引导增量视觉编码，较全图编码最高提速 3.7 倍且精度不降，Recall@10 超 OCR 索引 6.3 点</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">B</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">离线验证</div></td></tr><tr class="notion-simple-table-row notion-block-41a343b68ae38163bbe0c7c80e702ce7"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.18168" target="_blank" rel="noopener noreferrer">Who Counts as Exposed? Measurement Choic</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">麻省理工学院</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">七开源模型建可复算 AI 暴露指数，2×2 拆解 context/校准，任务 AUC 0.821</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">离线验证</div></td></tr><tr class="notion-simple-table-row notion-block-41a343b68ae381eb971ff72b907cb78d"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.18252" target="_blank" rel="noopener noreferrer">ParetoM3（ParetoM³）</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">香港中文大学、信兴高等工程研究院</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">提出ParetoM3：惩罚型M3重构+单环一阶算法，可证平稳点近似弱Pareto最优，多任务实验领先。</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">离线验证</div></td></tr><tr class="notion-simple-table-row notion-block-41a343b68ae381e48b36ec431ebfd1b3"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.18179" target="_blank" rel="noopener noreferrer">medsae</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">Doctolib AI Research Lab</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">SAE+InfoNCE 让医疗检索嵌入可解释，BGE 在 CURE 的 NDCG@10 从 53.06 升至 61.87。</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">离线验证</div></td></tr><tr class="notion-simple-table-row notion-block-41a343b68ae3819798eaf62e02065f4c"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.17981" target="_blank" rel="noopener noreferrer">When Does Oversampling Help? A Decision </a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">迪拜英国大学、开罗大学</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">在6合成+6真实流上评测15个流式分类器，过采样超出重评估的增益仅1个真实配置显著</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">离线验证</div></td></tr><tr class="notion-simple-table-row notion-block-41a343b68ae38193938de599f279e226"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.17968" target="_blank" rel="noopener noreferrer">TotalSegmentator Aorta Report（TotalSegmentator 的 aorta report 模块）</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">巴塞尔大学医院（University Hospital Basel）放射与核医学科、心脏外科</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">开源工具在 CT 主动脉 11 个标志点全自动测径，MAE 1.06 mm，86.6% 差异≤2 mm。</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">未部署</div></td></tr><tr class="notion-simple-table-row notion-block-41a343b68ae38144a42ce51e34fad1d3"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.17620" target="_blank" rel="noopener noreferrer">Safety Side Effects of Preventative Pers</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">UC、谷歌</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">审计预防式 persona steering 的安全副作用：幻觉向量使三模型 HarmBench ASR 降 39–85 点，MMLU 几乎不变</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">离线验证</div></td></tr><tr class="notion-simple-table-row notion-block-41a343b68ae381a08620d6907f15783a"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.18484" target="_blank" rel="noopener noreferrer">SIDAG（Sensing–Inference–Decision–Actuation–Governance）证据图谱框架；无专有系统名</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">佛罗伦萨大学工业工程系、CoAImed 公司</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">综述 113 篇并提出 SIDAG 框架：具身系统达 A2/A3 占 56.3%，非具身仅 16.9%，但无一达持续部署。</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">未部署</div></td></tr><tr class="notion-simple-table-row notion-block-41a343b68ae3817cad4bf647fcb24d03"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.18513" target="_blank" rel="noopener noreferrer">MeReader</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">—</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">离线隐私保护的阅读助手，2b-4b本地模型理解力追平5b+且防剧透</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">未部署</div></td></tr><tr class="notion-simple-table-row notion-block-41a343b68ae3811a8294cb6eee5feb7c"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.18244" target="_blank" rel="noopener noreferrer">RACE（Ranking-uncertainty Aware Capacity-Adaptive Customization for Efficient Sequential Recommendation）</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">—</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">提出RACE，按排序不确定性逐实例定制压缩率，四数据集精度/效率/自适应性均超SOTA</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">未部署</div></td></tr><tr class="notion-simple-table-row notion-block-41a343b68ae381b6a876e0b90054fc8b"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.17790" target="_blank" rel="noopener noreferrer">AutoRL</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">—</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">提出多智能体系统 AutoRL，将过程级监督嵌入进行中的 RL 训练，实验优于静态 RL 配方与通用 agent。</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">未部署</div></td></tr><tr class="notion-simple-table-row notion-block-41a343b68ae3814fae13fb24fcb4141b"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.17820" target="_blank" rel="noopener noreferrer">magelab（多智能体 LLM 编排与实验框架）</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">—</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">研究多智能体团队对齐失效机制：责任扩散是主因，指定安全负责人与安全规范文档可恢复对齐。</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">未部署</div></td></tr><tr class="notion-simple-table-row notion-block-41a343b68ae38143a691d6a866460210"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.17608" target="_blank" rel="noopener noreferrer">Neural Simulation</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">—</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">给出 neural SBI 应用于计算认知模型的完整工作流教程，摘要未报告数字结果。</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">未部署</div></td></tr></tbody></table><h3 class="notion-h notion-h2 notion-h-indent-0 notion-block-41a343b68ae38107b27cd8c001f3c84c" data-id="41a343b68ae38107b27cd8c001f3c84c"><span><div id="41a343b68ae38107b27cd8c001f3c84c" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41a343b68ae38107b27cd8c001f3c84c" title="三、🎯 今日主题"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">三、🎯 今日主题</span></span></h3><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41a343b68ae381d1b165f332a3f89fe4" data-id="41a343b68ae381d1b165f332a3f89fe4"><span><div id="41a343b68ae381d1b165f332a3f89fe4" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41a343b68ae381d1b165f332a3f89fe4" title="有界表征：定长记忆、按需容量与增量复用"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">有界表征：定长记忆、按需容量与增量复用</span></span></h4><div class="notion-text notion-block-41a343b68ae381ab9240f07526d6b6ff"><b>问题背景。</b> 推荐与检索系统的历史都在无限增长，而显存、延迟与存储预算固定，于是这批工作本质上都在回答同一个问题：在给定预算下，哪些信息必须留下。具体痛点包括：</div><ul class="notion-list notion-list-disc notion-block-41a343b68ae381c5b3e4d1112d32c05a"><li>把完整历史直接输入 Transformer 会 context explosion，token 数、显存与延迟随历史长度同步膨胀；</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38109a146c5db7bb9157f"><li>PHSTU 的 user-token/KV 状态随分段数增长，超过上限便丢弃旧交互，破坏空间不变性；</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381ea8c96f6442f701c73"><li>统一压缩率忽视用户意图的异质性，形成 Capacity-Complexity Mismatch，简单样本浪费算力、复杂样本算力不足；</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381818474fe2f048fb641"><li>每张新截图都从零编码，单张耗时超过 2 秒，无法支撑持续到达的在线场景。</li></ul><div class="notion-text notion-block-41a343b68ae381d6b0bae2a156cfe664"><b>代表方案对比。</b> 四篇的切口分别落在「结构定长」「实例分配」「增量复用」「可见边界」，构成一条从改表示到改调度的谱系。</div><ul class="notion-list notion-list-disc notion-block-41a343b68ae38120a626dcf4da8690f4"><li><b>RecMem</b>（上海交通大学、淘宝）：切口是记忆状态本身，用分叉 encoder–decoder 把每 200 个交互折叠成 16 个 memory-query 槽位，逐槽 forget gate 加权更新并投影到半径 c 的欧氏球，辅以 λ=0.05 的 KL 流一致性；结果以 216 token 取得 MerRec 上 R@10 42.36、R@200 72.20，为 HSTU-1200 的 87.9% 与 97.0%，每用户状态 8 KiB、warm 延迟 7.653 ms，6,442 名用户跑满 10,000 次交互后 R@10 稳定在 40.519–40.689。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381adafabc3de8901cb53"><li><b>RACE</b>：切口是实例复杂度，从 top-K 预测的分布稳定性导出 list-wise ranking-uncertainty，用轻量 predictor 从浅层特征提前预估，再经 channel sensitivity extractor 剪通道、importance-aware progressive sequence filtering 过滤输入序列；在四个数据集上 accuracy / efficiency / adaptability 均优于 SOTA 基线，但摘要未报告具体增益。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381069976d451854691cc"><li><b>StreamEmbed</b>：切口是帧间冗余，像素差分决定哪些空间 token 可剪、哪些跨帧 KV 可复用，再用小型 adapter 补偿偏差；ScreenMemEval（10,426 个问题、184 小时）上 M2 Pro GPU 最多 3.7× 加速而精度不降，同延迟下 Recall@10 最多高 6.3 点，模拟一年截图的向量索引仅 0.13 GB RAM。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38195a383fe8c7105e3a6"><li><b>MeReader</b>：切口是阅读位置，用 progress-aware boundary 把未来内容隔离在可见上下文之外，以向量相似度 + BM25 + 摘要 embedding 的混合检索定位片段，2B–4B 本地模型即可达到与 5B+ 相当的理解力。</li></ul><div class="notion-text notion-block-41a343b68ae38138b4d1d7500eba8901"><b>核心差异。</b> 同样是「少用算力」，四篇的哲学并不一致。</div><ul class="notion-list notion-list-disc notion-block-41a343b68ae3818cb665c8186807c5a0"><li><b>静态定长 vs 按需分配</b>：RecMem 把状态压到严格 O(1) 的定长槽位，换来与历史长度无关的可证明误差界 ε/(1−ρ)，代价是 R@10 只到全历史的 87.9%、且主要损失 top-rank；RACE 反过来承认复杂度异质，让压缩率随实例浮动，风险是收益完全押在「top-K 分布稳定性等于复杂度」这一代理假设上。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae3812a8675de8ebbc462ac"><li><b>压缩 vs 复用 vs 边界</b>：RecMem 与 RACE 都在改表示，天生有精度上限；StreamEmbed 不改表示，只改「何时重算」，近乎零成本但只对增量重复语料成立；MeReader 模型几乎不动，只约束「能看到什么」，收益直接但适用范围限于位置有序内容。</li></ul><div class="notion-text notion-block-41a343b68ae3817ea0d4c8d5d42d6dc3"><b>趋势判断。</b> 有界表征正在从单一技巧变成一组可组合约束，而非互斥选型。</div><ul class="notion-list notion-list-disc notion-block-41a343b68ae3814d8ebaf1d303ba4d6a"><li>定长状态会继续向「可证明的有界误差」推进。RecMem 已在收缩与近似半群假设下给出与历史长度无关的界，但只在 MerRec 单一离线基准验证，跨数据集与线上长跑稳定性仍是空白。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381868b43e71b8b145a6a"><li>实例级容量分配需要比 top-K 分布更硬的信号。RACE 的代理一旦在多峰意图下失准，剪裁就退化为随机丢弃，而目前没有任何诊断手段能发现这一点。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381abb2dcddb51af5c33f"><li>复用与压缩大概率会合流。StreamEmbed 已经证明「变化是增量的」，但还没有工作把这种增量性迁移到推荐的用户状态上——把 RecMem 的槽位更新改成差分驱动，是最自然的下一个实验，也最可能在保持 8 KiB 量级的同时补回丢掉的那 12% 精度。</li></ul><h3 class="notion-h notion-h2 notion-h-indent-0 notion-block-41a343b68ae381569272c196d6129c21" data-id="41a343b68ae381569272c196d6129c21"><span><div id="41a343b68ae381569272c196d6129c21" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41a343b68ae381569272c196d6129c21" title="四、📰 逐篇解读"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">四、📰 逐篇解读</span></span></h3><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41a343b68ae38135a400df543595c440" data-id="41a343b68ae38135a400df543595c440"><span><div id="41a343b68ae38135a400df543595c440" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41a343b68ae38135a400df543595c440" title="1. RecMem: Recurrent Memory Compression for Long-Sequence Generative Recommendation（上海交通大学、淘宝）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">1. RecMem: Recurrent Memory Compression for Long-Sequence Generative Recommendation（上海交通大学、淘宝）</span></span></h4><ul class="notion-list notion-list-disc notion-block-41a343b68ae3818a95bcfe2f55667dbe"><li><b>场景</b>：生成式推荐（电商推荐），在 Mercari C2C 平台上做长序列下一物品预测，全部为离线评估。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38105a070f4c1a19a56dc"><li><b>线上效果</b>：无线上 A/B，仅在离线基准上评估：在 MerRec 上，RecMem-Stream 只使用 216 token 就取得 R@10 42.36、R@200 72.20，分别为 HSTU-1200（1200 token）的 87.9% 与 97.0%，比 PHSTU 高 9.622/11.096 点，在最老的 20% 锚点上 R@10 提升 1.188 点。每个用户的状态为 8 KiB，warm 延迟为 7.653 ms（PHSTU 为 432 KiB/9.245 ms，HSTU-1200 为 106.613 ms）；6,442 名用户跑满 10,000 次交互后，R@10 稳定在 40.519–40.689。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381e58b96c95c1ac3f61e"><li><b>问题</b>：如果把完整历史直接输入 Transformer，会导致 context explosion，token 数、显存和延迟都会随历史长度增长；PHSTU 的 user-token/KV 状态会随分段数增加而增长，超过上限后便丢弃旧交互，违反空间不变性；固定窗口和检索方法都只使用用户历史的一个子集，导致语义保真度受损。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381ffbceed2721b7b9e70"><li><b>动机</b>：理想的记忆应同时满足空间不变性（O(1) 状态与解码上下文）、语义保真（逼近全历史质量）和终身可演化（误差不随更新累积），因此把历史折叠进固定槽位，用推荐监督直接训练这个固定容量的瓶颈，并用处理顺序一致性来约束累积误差。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381999b7cff28b45a5107"><li><b>贡献</b>：① 明确提出空间不变性、语义保真、终身可演化三条 memory 设计准则；② 提出 RecMem，采用分叉 encoder–decoder、逐槽 forget gate 更新和 stream-consistency 训练，使状态与解码上下文严格定长；③ 在收缩与近似半群一致性假设下，证明顺序处理与打包处理两种方式得到的内存状态差异有与历史长度无关的界 ε/(1−ρ)；④ 使用共享栈和参数数量接近的对照组，证明性能增益不是来自额外参数，并在 10,000 次交互上不重新训练时观察到稳定表现。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381baba1ec4b4203244e5"><li><b>做法</b>：基于 HSTU 的 SplitTop-8/8/8（8 层共享底层、8 层 encoder、8 层 decoder），每段 200 个交互编码出 16 个 memory-query 槽位，并由段落 embedding 的 mask-aware 均值得出每个槽位的 forget gate，用来加权更新槽位并投影到半径 c 的欧氏球；解码输入为 16 个槽位加 200 个近期 token，共 216 token；主损失为 NCE，另加 λ=0.05 的 KL 流一致性；前 K_burn 段使用无梯度 burn-in，K_roll 按课程从 1 增至 5。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38199b3c4c59a4be54624"><li><b>局限</b>：精度仍低于全历史 HSTU-1200（R@10 42.36 对 48.18），主要损失 top-rank 精度；稳定性结论依赖收缩与近似半群假设，而且只在 MerRec 单一离线基准上验证。<a class="notion-link" href="https://arxiv.org/abs/2611.17921" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41a343b68ae381968813fd981c7ca044" data-id="41a343b68ae381968813fd981c7ca044"><span><div id="41a343b68ae381968813fd981c7ca044" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41a343b68ae381968813fd981c7ca044" title="2. Towards High-Performance Multimodal Discovery: Evaluating Retrieval Efficacy and Operational Scalability in Digital Libraries（印第安纳大学伯明顿分校、俄勒冈大学）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">2. Towards High-Performance Multimodal Discovery: Evaluating Retrieval Efficacy and Operational Scalability in Digital Libraries（印第安纳大学伯明顿分校、俄勒冈大学）</span></span></h4><ul class="notion-list notion-list-disc notion-block-41a343b68ae381578ae5d184dac4df6d"><li><b>场景</b>：学术场景（无业务场景）——数字图书馆与教材页面的多模态检索。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381a79ab4f280187ec4c9"><li><b>线上效果</b>：无线上 A/B，仅在离线基准上评估：在 3,612 页图像、75 条查询上，cosine 距离的 P@5 0.514、R@5 0.281、F1@5 0.353、AP 0.238、MRR 0.801，优于 Dot（P@5 0.496）、Manhattan（0.418）和 Euclidean（0.234）。多页子集和概念子集上，P@5 分别为 0.457 和 0.461。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae3815baf23fcdc4f40c745"><li><b>问题</b>：传统倒排全文检索（Lucene/Solr）对图表、版面等视觉语义无法感知；VLM 多向量检索在库级规模下的性能与可扩展性缺乏研究，每页上千条向量带来严重的内存瓶颈。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38199b4e5ff952db0fe9c"><li><b>动机</b>：把页面图像编码为共享潜空间中的数值向量，可以同时捕获文本与视觉语义，并绕开 LLM 直接处理版权内容带来的数据记忆风险；再配合向量库的工程优化，就能成为库级可用的发现方案。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38182956ffe79f4de890c"><li><b>贡献</b>：① 构建一个包含 75 条自然语言查询、7 个类别、人工校验 ground truth 的 benchmark；② 在严格受控条件下比较四种距离度量，证明 cosine 最优；③ 使用 HNSW 索引、on-disk Memmap 存储和二值量化，在社区云上实现亚线性扩展和高并发吞吐；④ 通过多页子集、概念子集和无界检索分析检验鲁棒性，并发现 ground truth 之外的相关页。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38141970ec200cbf8b552"><li><b>做法</b>：使用 ColPali（PaliGemma-3B，SigLIP 视觉编码器 + Gemma-2B）把 300 DPI 页面图像编码成 128 维 patch 多向量，交给 Qdrant 原生执行 ColBERT 式 late interaction（MaxSim、max-sum pooling），并配置 HNSW、Memmap 落盘和二值量化；库先返回 25 条，再由本地算法去重取 Top-5，唯一变量是距离函数。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae3810e9fb3cf9b0b5e6f39"><li><b>局限</b>：所有距离度量的检索精度都不算高（cosine 的 P@5 仅为 0.514），作者指出后续需要探索页面级 re-ranking 或上下文感知检索。<a class="notion-link" href="https://arxiv.org/abs/2611.17726" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41a343b68ae381c799f8dab939a486a0" data-id="41a343b68ae381c799f8dab939a486a0"><span><div id="41a343b68ae381c799f8dab939a486a0" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41a343b68ae381c799f8dab939a486a0" title="3. StreamEmbed: Real-Time Indexing from Pixels for Screenshot Retrieval"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">3. StreamEmbed: Real-Time Indexing from Pixels for Screenshot Retrieval</span></span></h4><ul class="notion-list notion-list-disc notion-block-41a343b68ae38147bf71e9a982a74b46"><li><b>场景</b>：搜索场景——对个人屏幕历史截图做视觉检索，同时面向人类用户和 computer-use agent。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae3812d93eff33989fee57b"><li><b>线上效果</b>：无线上 A/B，仅在离线基准上评估：在 ScreenMemEval（10,426 个问题、184 小时屏幕历史）上，M2 Pro GPU 上最多比全图编码快 3.7× 且精度不降，在相同延迟下最多比 OCR 索引提升 6.3 点 Recall@10；模拟一年截图的向量索引仅占 0.13 GB RAM。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381619b10cb91b252e2c6"><li><b>问题</b>：OCR 索引虽然快，但会丢失视觉信息；而视觉编码每张截图都要从头重新计算，单张耗时超过 2 秒，因此无法在截图持续到达的在线场景中实时建立索引。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381b2af23c996d37b0415"><li><b>动机</b>：屏幕内容的变化是增量的，截图内部与截图之间的多数像素都重复，因此仅凭像素差异就能判断哪些块可以剪枝、哪些 KV 可以复用，不必每张新截图都从零重算表示。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381ab8c53c968a5d2c605"><li><b>贡献</b>：① 提出 StreamEmbed，这是一个仅由像素差异引导、结合空间 token 剪枝与时间 KV 复用的增量视觉嵌入系统；② 设计一个小型学习 adapter 来补偿剪枝与复用误差，保持对全图嵌入的保真度；③ 构建 ScreenMemEval 基准（10,426 个问题、184 小时屏幕历史），在 M2 Pro GPU 上取得新的 accuracy–latency Pareto 前沿；④ 使用内存高效的向量索引，使模拟一年截图仅占 0.13 GB RAM。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38120a9bbe6db7b5e06f5"><li><b>做法</b>：对每张新截图做像素差分：空间 token 剪枝跳过与邻近块重复的块，时间 KV 复用直接复用跨截图未变化块的缓存 keys/values，再由小型学习 adapter 补偿两者带来的偏差；整个流程不依赖额外的重要性模型。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae3819c9dceeef7288c937e"><li><b>局限</b>：摘要未提及局限；相关工作只泛泛提到 OCR 索引与全图视觉编码两类基线，没有与具体的增量编码方法进行对比。<a class="notion-link" href="https://arxiv.org/abs/2611.18516" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41a343b68ae3818894b4e4ea8d667ff5" data-id="41a343b68ae3818894b4e4ea8d667ff5"><span><div id="41a343b68ae3818894b4e4ea8d667ff5" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41a343b68ae3818894b4e4ea8d667ff5" title="4. Who Counts as Exposed? Measurement Choices in an Open, Re-estimable Index of Occupational AI Exposure（麻省理工学院）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">4. Who Counts as Exposed? Measurement Choices in an Open, Re-estimable Index of Occupational AI Exposure（麻省理工学院）</span></span></h4><ul class="notion-list notion-list-disc notion-block-41a343b68ae381dbb71efe1beab39d6b"><li><b>场景</b>：学术场景（无业务场景）——职业级 AI 暴露测量与劳动经济学分析。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae3811bb1b6e9b8504db4ae"><li><b>线上效果</b>：无线上 A/B，仅在离线基准上评估：任务级留出集中，基准 AUC 为 0.766，七模型集成为 0.791–0.821（可行任务子集为 0.543 对 0.642–0.670），AP 从 0.152 变为 0.204–0.223；职业级 Pearson 为 0.640，最高为 0.686（Δr=+0.046，95% CI [0.009, 0.081]），物理任务分离 AUC 为 0.815，集成为 0.866–0.915。E2/E3 占比从基准的 41.4% 变为集成的 12%–24%。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381bea0e0f6b3eb80f6ca"><li><b>问题</b>：主流基准 Eloundou et al. (2023) 的 E0–E3 标签来自 GPT-4 零样本判断，没有检索证据、工作情境约束和可检查推理，而且流程设计上不可重跑，却被直接当作 2026 年政策与就业分析的输入；观测使用指标又只反映单一平台的用户与部署情境，会低估其他平台或企业内已经发生的使用。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381a1acd1cf1a49d3fc2f"><li><b>动机</b>：模型生成的标签一旦用作政策输入，就是关于世界的测量主张，其内部构造选择（context、对依赖尚未建成集成的暴露给多少权重 δ、校准目标）直接决定“谁被算作暴露”；这些选择应显式声明、可检查，并随系统能力更新而重新评估。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38194b87eef36c0f7e1b4"><li><b>贡献</b>：① 证明测量内部的选择（尤其是对 integration-dependent 暴露的 δ 权重）会改变被计为暴露的人群规模及其职业与工资分布；② 用七个开源推理模型的集成、证据检索和工作情境约束，替代单一 GPT-4 零样本判断，构建可逐任务重估的开放管线；③ 同时发布不依赖任何使用数据的 usage-free 臂，把平台使用数据只当作可选校准锚。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381349d0ddde57fac5998"><li><b>做法</b>：以 O<em>NET 30.2 的 18,796 个职业–任务对为单位，七个开源推理模型按统一的 2026 rubric 评分；context 臂用 GDELT 新闻与 Semantic Scholar 摘要切出的 17.6 万 passage 做 BGE-M3 职业条件化混合检索，加 cross-encoder 重排取 top-5，附 6 个 O</em>NET 工作情境描述子，并要求把任务拆成 2–5 个子任务、按时间瓶颈确定标签，使用 grammar-constrained JSON 解码；校准臂以 Anthropic Economic Index 的任务渗透率为目标，做 simplex 约束的最小二乘（δ=1/2），任务分数按时间份额聚合到职业。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381099b26df2be957ab0b"><li><b>局限</b>：校准锚定单一平台用户，拟合权重集中于最保守的 Qwen3（0.511），且随正例数在 0.50–0.63 间漂移。<a class="notion-link" href="https://arxiv.org/abs/2611.18168" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41a343b68ae3814ab9aef7e0cf1c2fcf" data-id="41a343b68ae3814ab9aef7e0cf1c2fcf"><span><div id="41a343b68ae3814ab9aef7e0cf1c2fcf" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41a343b68ae3814ab9aef7e0cf1c2fcf" title="5. ParetoM³: Learning on the Pareto Set under Preference Guidance via Min-Max-Min Optimization（香港中文大学、信兴高等工程研究院）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">5. ParetoM³: Learning on the Pareto Set under Preference Guidance via Min-Max-Min Optimization（香港中文大学、信兴高等工程研究院）</span></span></h4><ul class="notion-list notion-list-disc notion-block-41a343b68ae38116b737f42a6a55b2dd"><li><b>场景</b>：学术场景（无业务场景）——多目标与多任务优化。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381daa678c16c84f03fee"><li><b>线上效果</b>：无线上 A/B，仅在离线基准上评估：GSM8K+MathQA（Qwen2.5-0.5B LoRA）平均精度 48.33±0.92，优于 EPO 46.78±0.57、FERERO 46.57±0.61 和 LS 46.87±0.62。合成基准（n=20 双非凸目标、5 组偏好、1500 次外迭代）中，唯一持续到达 UL 最优；图像分类与回归任务上也最贴近偏好射线，River Flow 回归的 RLP 最低且最稳。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381f992acebbde0b62490"><li><b>问题</b>：在非凸 LL 下，EPO/PNG/FERERO 只保证 Pareto 平稳性，对 UL 目标没有最优性保证；FOOPS 用 log-sum-exponential 平滑 merit 函数，其近似 KKT 不能直接蕴含原 LL 的弱 Pareto 最优，还需要 point quasar-convexity 等额外假设，而且没有收敛率；PMM 则需要强凸 LL 与二阶 hyper-gradient。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38104a530f7ec5da6eee3"><li><b>动机</b>：弱 Pareto 最优是 PO 的自然松弛，而且存在非负 merit 函数 u(x)，u(x)=0 当且仅当 WPO；因此可以用惩罚把 WPO 约束直接并入 UL 目标，化为单一目标的 min-max-min 问题，避免 FOOPS 式平滑代理造成的保证缺口。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae3816aaed7fedf5c78fed1"><li><b>贡献</b>：① 提出基于 merit 函数的惩罚型 M3 重构与单环一阶算法 ParetoM3；② 在局部 KŁ 假设下给出非渐近收敛率 O((ρ√(mL)·ε⁻¹) 的 max{4θ,2} 次幂)，是该类 M3 问题首个单环一阶收敛保证，且惩罚参数足够大时平稳点近似 WPO；③ 证明该平稳性在既有假设下可以恢复近似 preference stationarity（强凸 LL）与近似 KKT（θ≤1/2 的局部 KŁ）；④ 合成基准、图像分类、回归与数学推理实验显示更好的收敛、偏好对齐与 WPO 达成。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38177a3d2c641595b05e3"><li><b>做法</b>：把 UL 目标 f0(x) 与惩罚项 ρ·u(x) 相加，其中 merit 函数 u(x) 先对 λ∈Δ 取最小、再对 y 取最大，得到 λᵀ(F(x)−F(y))，也就是 WPO 违反度；再引入辅助中心 x̂、ŷ、λ̂ 与二次正则构造光滑代理，x 做投影梯度下降、y 做投影梯度上升、λ 投影到单纯形，中心用 EMA 更新，构成单环迭代。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38153b570de35e614799d"><li><b>局限</b>：该方法不用于逼近整个 Pareto front，也没有在更大规模的数据和模型上验证。<a class="notion-link" href="https://arxiv.org/abs/2611.18252" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41a343b68ae38107bb91c0ea8d54f272" data-id="41a343b68ae38107bb91c0ea8d54f272"><span><div id="41a343b68ae38107bb91c0ea8d54f272" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41a343b68ae38107bb91c0ea8d54f272" title="6. Explanations that Transfer: Interpreting Medical Retrieval with Sparse AutoEncoders（Doctolib AI Research Lab）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">6. Explanations that Transfer: Interpreting Medical Retrieval with Sparse AutoEncoders（Doctolib AI Research Lab）</span></span></h4><ul class="notion-list notion-list-disc notion-block-41a343b68ae381839a38dc02dd43dad7"><li><b>场景</b>：搜索（医疗信息检索，支撑医学问答与 RAG 的知识召回）</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae3815a95d6c442308909f4"><li><b>线上效果</b>：无线上 A/B，仅离线：NDCG@10，CURE 上 BGE 从 53.06 升至 61.87，SAE k=256 为 60.50（k=128/256 达 dense 的 ≥94%）。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381b2a8fbea8ea2ca46ba"><li><b>问题</b>：稠密嵌入基本不透明，难以解释文档为何被召回，在医疗场景妨碍从业者信任与采用；同时把模型适配到单一医疗数据集会牺牲对新临床语料的迁移性，而现有 LLM 检索机制研究未针对医疗 IR。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381a8a2b0fe909d4bcd82"><li><b>动机</b>：SAE 能把纠缠的高维嵌入分解为单义稀疏特征，若训练时用 InfoNCE 直接保住 query–document 相关性，就能在保留检索性能的同时得到可解释神经元，且概念有望跨语料迁移；稀疏限制有效容量还能缓解对训练语料的过拟合。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38128872aed90b7facaee"><li><b>贡献</b>：①在医疗稠密嵌入上训练 reconstruction + InfoNCE 双目标的 TopK SAE，跨 3 种 embedder、6 个域内/域外数据集评测。②证明适度稀疏可减小域外性能退化，即减轻对训练语料的过拟合。③三种神经元解释均可预测激活并迁移到 5 个未见语料，且能诊断单条检索失败的原因。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381a5b5ebd552b74a5705"><li><b>做法</b>：冻结 embedder 产出稠密 x，TopK SAE 计算 u = Wenc(x − bpre) + benc，保留 top-k 激活后接 ReLU，损失为重建项加 λ·InfoNCE（batch 内 query–正例文档对），检索按稀疏码余弦相似度。解释侧对每个神经元用 top-5 激活文档、2 个不激活文档与 5 条 query 交给 medgemma-4b-it 生成主题标签。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38153b9aac26d40f8685c"><li><b>局限</b>：域外解释相关性明显低于域内（激活预测 r 从 CURE 的 0.44 降至域外 0.226–0.334），LLM 预测概率的校准仍未解决；与 Kang et al. (2025) 假设原嵌入已编码可靠相关性不同，本文因医疗 embedder 训练数据不公开而改用真值标签的 InfoNCE。 <a class="notion-link" href="https://arxiv.org/abs/2611.18179" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41a343b68ae38187aa9bcafb32221d3a" data-id="41a343b68ae38187aa9bcafb32221d3a"><span><div id="41a343b68ae38187aa9bcafb32221d3a" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41a343b68ae38187aa9bcafb32221d3a" title="7. When Does Oversampling Help? A Decision Framework for Imbalanced Data Streams Under Label Delay and Concept Drift（迪拜英国大学、开罗大学）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">7. When Does Oversampling Help? A Decision Framework for Imbalanced Data Streams Under Label Delay and Concept Drift（迪拜英国大学、开罗大学）</span></span></h4><ul class="notion-list notion-list-disc notion-block-41a343b68ae381d2978bfc4d83074ec5"><li><b>场景</b>：学术（无业务场景）</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381fca804cb86c74690c8"><li><b>线上效果</b>：无线上 A/B，仅离线：G-mean（6 条合成流 + 6 个真实数据集，共 1,260 次运行）；过采样的边际贡献（DiD）仅在一个真实数据配置上统计显著。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38149b0dbe8b4ddca3eb7"><li><b>问题</b>：现有流式过采样方法均在标签即时到达的 test-then-train 假设下评估，延迟下过采样器只能基于过时概念生成合成少数类样本、可能强化过时决策边界，而不平衡、漂移、延迟三者的交互从未被系统考察。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381e6b6fdced3e315e26c"><li><b>动机</b>：延迟下观测到的少数类分布是过时的（揭示漂移的标签尚未释放），按延迟相对漂移时间尺度的比值 ρ 分析才合理；收益应拆成重评估的恢复通道与过采样的少数类覆盖通道来归因。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae3814e93f6cec41eec2a5e"><li><b>贡献</b>：①首次在受控与非受控漂移下系统比较 15 个流式分类器（6 个裸学习器 + 9 个过采样变体）在标签延迟下的表现，采用 K=100 连续重评估协议。②迁移性检验表明合成流导出的成本–性能 Pareto 推荐无法迁移到真实数据。③提出以漂移密度、少数类可学习性、延迟相对精化窗口为三轴的决策框架。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38160bbfed52ccd7e02b2"><li><b>做法</b>：在 MOA 上对比 ARF/HAT/KNN/NB/SWT/OzaBag 与 OOB/UOB/C-SMOTE/RebalanceStream/VFC-SMOTE 共 15 个分类器，用 pending queue 模拟标签延迟，每 K=100 个释放标签对仍待定实例重算预测。以 DiD 分离过采样相对配对裸学习器的净效应，并用 Wilcoxon 符号秩检验（n=6、α=0.05）。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae3811caddde962f844831c"><li><b>局限</b>：真实流的漂移存在性未经形式化验证、K 固定为 100、未做超参调优，主要结论建立在合成受控实验上；不同于 Grzenda 等[10]只验证裸分类器，本文把过采样器、严重不平衡与延迟纳入同一评测。 <a class="notion-link" href="https://arxiv.org/abs/2611.17981" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41a343b68ae381a7a468ced115b6248b" data-id="41a343b68ae381a7a468ced115b6248b"><span><div id="41a343b68ae381a7a468ced115b6248b" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41a343b68ae381a7a468ced115b6248b" title="8. TotalSegmentator Aorta Report: Automated Aortic Diameter Measurement at 11 Standardized Landmarks on CT Images（巴塞尔大学医院放射与核医学科、心脏外科）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">8. TotalSegmentator Aorta Report: Automated Aortic Diameter Measurement at 11 Standardized Landmarks on CT Images（巴塞尔大学医院放射与核医学科、心脏外科）</span></span></h4><ul class="notion-list notion-list-disc notion-block-41a343b68ae381c7a655f2eb627460be"><li><b>场景</b>：学术（无业务场景）；医学影像，CT 主动脉直径自动测量与结构化报告</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381f8ac26c3daa7234e3a"><li><b>线上效果</b>：无线上 A/B，仅离线：239 例动脉期 CTA 上 MAE 1.06 mm、bias 0.45 mm、86.6% 差异≤2 mm、测量失败率 1.2%。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38100b39cede5b617c26a"><li><b>问题</b>：手工在双斜位重建测径耗时且 reader 间差异达 1.6–5 mm，与指南视为有临床意义的增长处于同一量级；现有 AI 工具多只覆盖 9 个胸部标志点、验证限于单一扫描类型、不测腹腔干以下腹主动脉且根部误差最大。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae3818b9715e287792683bf"><li><b>动机</b>：指南要求在定义好的解剖标志点、垂直于血管轴测径并据此决定随访与干预时机，结构化报告和随访对比都需要标志点级测量；全自动、不依赖对比期相和 ECG 门控的测量能让报告更快、更一致。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381f5b4a9eb861c49bdda"><li><b>贡献</b>：①在开源 TotalSegmentator 上实现 aorta report，沿中心线在 annulus 到 bifurcation 的 11 个标准化标志点自动测最大径与垂直径。②提出由主动脉分支与 T12 椎体分割定位标志点、用垂直平面与腐蚀后 mask 相交的测量流程，并为 annulus/STJ、内脏动脉、真假腔各训练一个 nnU-Net。③239 例验证 MAE 1.06 mm、失败率 1.2%，误差低于已发表 reader 间差异。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381f8874ee117b6a59ade"><li><b>做法</b>：TotalSegmentator v2.18.0 的五个 nnU-Net 模型完成分割，平滑 mask 骨架化取最长路径并延伸至 annulus 中心得到中心线，11 个标志点按结构化报告相对分割结构定位。每个标志点用垂直于局部中心线的平面（annulus 平面随 annulus mask 取向）与腐蚀 1 体素（0.8 mm）的主动脉 mask 相交，最大径取断面边界两点最长距离。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae3814d9dbac7dd495397ed"><li><b>局限</b>：reference 来自修正后的自动测量而非独立测量，可能高估一致性，且为单中心、几乎全部同一扫描仪、仅评估动脉期 CTA；主动脉根部和壁在血栓病例一致性较低，需人工复核。 <a class="notion-link" href="https://arxiv.org/abs/2611.17968" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41a343b68ae3812f9e6bfaa0fd6ed2ef" data-id="41a343b68ae3812f9e6bfaa0fd6ed2ef"><span><div id="41a343b68ae3812f9e6bfaa0fd6ed2ef" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41a343b68ae3812f9e6bfaa0fd6ed2ef" title="9. Safety Side Effects of Preventative Persona Steering: An Empirical Audit（UC San Diego、Google Research）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">9. Safety Side Effects of Preventative Persona Steering: An Empirical Audit（UC San Diego、Google Research）</span></span></h4><ul class="notion-list notion-list-disc notion-block-41a343b68ae381328176c54e876824d4"><li><b>场景</b>：学术（无业务场景）</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381c18feee9fc8e2b7591"><li><b>线上效果</b>：无线上 A/B，仅离线：幻觉 steering 从 c=0 到 c=3 使 HarmBench ASR 在 Llama 从 61.0% 降至 22.0%、Qwen-7B 从 72.3% 降至 4.4%、Qwen-14B 从 91.2% 降至 6.3%，同期 MMLU 波动 ≤2.1 点。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae3811c94bfc8945b5de8c3"><li><b>问题</b>：Chen 和 Arditi（2025）因预防式 steering 能保持 MMLU 准确率就推荐它，但只验证了能力、未评估拒绝行为的安全性；预防式 persona steering 与拒绝鲁棒性的关系尚未被直接研究。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae3818e96c2cbbeabf5a41a"><li><b>动机</b>：persona 向量可能与拒绝行为在激活空间发生纠缠，抑制某个特质会连带改变拒绝行为；MMLU 与连贯性保持并不能证明安全中性，因此需要在同一系数扫描点上用多个安全基准审计。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38198b327faa7f17e853f"><li><b>贡献</b>：①在 3 个模型、2 个特质上对预防式 steering 做系数扫描，同时测量 3 个安全基准、特质表达、连贯性与 MMLU。②发现幻觉 steering 使 HarmBench ASR 下降 39–85 点，远超其对目标特质的抑制幅度。③发现谄媚 steering 的安全影响较小且方向随模型与基准而异，三个安全基准互不一致。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381ce9539def4eb18e21a"><li><b>做法</b>：沿用 Chen 等（2026）的流程提取 sycophancy/hallucination 向量，比较仅微调基座、微调时通过 forward hook 向 residual stream 加向量的预防式 steering、以及在原始 Instruct 模型生成时减向量的推理时 steering。系数 c 从 0 扫到 3（步长 0.25）。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae3810eaa00dc80cdd20573"><li><b>局限</b>：单次运行、扫描粒度粗、无置信区间，14B 的层为按比例缩放而非扫描选取，结论未必能推广到其他基准、自适应攻击或模型族；与 Xiong 等（2026）等推理时 steering 副作用研究不同，本文聚焦微调期的预防式 persona steering。 <a class="notion-link" href="https://arxiv.org/abs/2611.17620" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41a343b68ae381a68014f14421d0ee88" data-id="41a343b68ae381a68014f14421d0ee88"><span><div id="41a343b68ae381a68014f14421d0ee88" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41a343b68ae381a68014f14421d0ee88" title="10. From AI-Enabled Remote Patient Monitoring Toward Agentic Robotics: Embodiment, Governance, and Care Integration（佛罗伦萨大学工业工程系、CoAImed）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">10. From AI-Enabled Remote Patient Monitoring Toward Agentic Robotics: Embodiment, Governance, and Care Integration（佛罗伦萨大学工业工程系、CoAImed）</span></span></h4><ul class="notion-list notion-list-disc notion-block-41a343b68ae381bcb536d216f6359ca8"><li><b>场景</b>：学术（无业务场景）；远程患者监护（RPM）/AAL 与医疗辅助机器人的结构化范围综述</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38104bd6bd90f6a858c27"><li><b>线上效果</b>：无线上 A/B，仅离线：113 篇文献的证据图谱统计，A1 占 72.0%、M3 仅 4.3%、具身系统占 17.2%。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38107bfc7d3271b53ee1d"><li><b>问题</b>：现有 RPM 仍以被动感知和 A1 级「AI 分析/告警、人类决策」为主，监测无法转化为及时安全的照护行动；同时具身系统的行动能力与部署成熟度脱节，缺乏可追溯、可中断、可问责的治理架构。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38125a829dbd9d442ef88"><li><b>动机</b>：判断「agentic」不应看是否用了 ML、对话 AI 或机器人外壳，而应看架构中感知—推理—决策—行动—治理是否真正耦合，且系统行为是否可审计、可中断、可问责。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38117b3d1fc44a05b8a1d"><li><b>贡献</b>：①提出 SIDAG 五层证据图谱框架，并配套 A0–A3 决策—行动耦合量表与 M0–M3 验证成熟度量表。②对 113 篇文献逐年、逐架构编码，给出 RPM/AAL 的基线分布与部署缺口。③量化具身与高行动耦合的关联（Fisher 精确检验 OR=6.33，p=0.002）。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38198a786e04fc79f774e"><li><b>做法</b>：按 PRISMA-ScR 检索 Scopus/PubMed/MEDLINE/IEEE Xplore 的 2018–2026 英文同行评审文献，两名审稿人独立盲筛（Cohen&#x27;s κ=0.82）后纳入 113 篇。用 61 字段提取表做 SIDAG、A 级、M 级、具身与治理编码，AI 仅用于共识后补全空缺字段并标记人工核验。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38143a3acfcaa7b1cc17f"><li><b>局限</b>：语料不含临床有效性证据，A/M 分布仅为描述性而非因果；与 Sapkota et al.(8) 把 agentic AI 定义为系统级目标导向多步决策不同，本文把 agency 收窄为可观测的决策—行动耦合。 <a class="notion-link" href="https://arxiv.org/abs/2611.18484" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41a343b68ae38150b608e57eff5de39e" data-id="41a343b68ae38150b608e57eff5de39e"><span><div id="41a343b68ae38150b608e57eff5de39e" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41a343b68ae38150b608e57eff5de39e" title="11. MeReader: An Offline, Privacy-Preserving, Progress-Aware AI Assistant for Narrative eBook Reading"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">11. MeReader: An Offline, Privacy-Preserving, Progress-Aware AI Assistant for Narrative eBook Reading</span></span></h4><ul class="notion-list notion-list-disc notion-block-41a343b68ae381e29fb6cb621ca24e41"><li><b>场景</b>：学术，无业务场景，面向消费级硬件的离线电子书阅读辅助。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381599ba5e3698fd3e890"><li><b>线上效果</b>：无线上 A/B；离线采用量化理解指标与 LLM 独立定性评判，显示理解度与响应质量可接受，具体数值未报告。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381b39d2ff94b5d7d16e6"><li><b>问题</b>：现有基于 LLM 的系统把书籍文档在线一次性全量输入处理，容易向读者泄露尚未读到的情节，产生剧透。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381a5980cce5330e94556"><li><b>动机</b>：若把检索与生成都严格限定在读者当前阅读位置之前的内容，就既不会剧透，又能保持对当前上下文的忠实度；本地运行还可免于云端依赖、保护隐私。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381f1b7aaeebe9aec0a99"><li><b>贡献</b>：① 提出 MeReader——离线、隐私保护、进度感知的叙事类电子书阅读 AI 助手。② 设计融合向量相似度、BM25 与摘要 embedding 的混合检索架构，保证与读者当前上下文的高保真。③ 揭示质量-延迟前沿：2B-4B 中型本地模型可达到与 5B+ 更大模型相当的理解力，且响应质量可接受。④ 验证进度感知边界机制能在不损失检索质量与正确性的前提下阻止未来内容泄露。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381d1b80de9bfeeaeb98c"><li><b>做法</b>：以 progress-aware boundary 机制把未来内容隔离在可见上下文之外，用向量相似度 + BM25 + 摘要 embedding 的混合检索定位与当前阅读位置相关的片段，全部在消费级硬件上以本地模型完成生成。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38116a78bc08cbf7a78f5"><li><b>局限</b>：评估仅覆盖经典英文书籍，缺少真实用户与线上指标验证。 <a class="notion-link" href="https://arxiv.org/abs/2611.18513" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41a343b68ae381a8991af4745c3b77b8" data-id="41a343b68ae381a8991af4745c3b77b8"><span><div id="41a343b68ae381a8991af4745c3b77b8" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41a343b68ae381a8991af4745c3b77b8" title="12. RACE: Ranking-Uncertainty Aware Capacity-Adaptive Customization for Efficient Sequential Recommendation"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">12. RACE: Ranking-Uncertainty Aware Capacity-Adaptive Customization for Efficient Sequential Recommendation</span></span></h4><ul class="notion-list notion-list-disc notion-block-41a343b68ae38129a0bde91fee5aa0a3"><li><b>场景</b>：学术，无业务场景，面向资源受限环境的序列推荐模型压缩与高效推理。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38195ae85d5b3c91b6ca6"><li><b>线上效果</b>：无线上 A/B，仅离线：在四个流行数据集上，accuracy、efficiency、adaptability 三方面均优于 SOTA 基线；具体数据集名称与增益数值未报告。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381e19ab7cf6b46cf2264"><li><b>问题</b>：现有压缩方法对所有实例采用统一压缩率，忽视用户意图复杂度的异质性，造成 Capacity-Complexity Mismatch——简单样本浪费算力、复杂样本算力不足。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381e293fbf017801bdb01"><li><b>动机</b>：用户意图复杂度天生异质，算力应随实例分配；模型 top-K 预测的分布稳定性可作为实例复杂度的可测代理，从而把不确定性变成主动的资源分配器。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae3810b8377fc5fa766358d"><li><b>贡献</b>：① 提出 RACE 框架，用不确定性感知的压缩率同时动态调整模型结构与输入序列。② 从 top-K 预测的分布稳定性导出 list-wise ranking-uncertainty 指标，作为实例复杂度的可测代理。③ 以自监督方式训练轻量 predictor，从浅层特征提前预测该不确定性。④ 做实例级双维瘦身：hypernetwork 式通道敏感度提取器识别参数冗余，importance-aware progressive sequence filtering 缓解数据冗余。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381ffa1dbe5e4cedf41b3"><li><b>做法</b>：先用 top-K 分布稳定性度量排序不确定性，并由轻量 predictor 从 early-layer features 预估该信号；推理时据此经 channel sensitivity extractor 按通道敏感度剪裁参数、经 importance-aware progressive sequence filtering 渐进过滤输入序列。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae3818e9e0af3171243efd2"><li><b>局限</b>：摘要仅给出四数据集离线实验且未报告具体增益数字，也无线上部署验证，未点名具体对比工作。 <a class="notion-link" href="https://arxiv.org/abs/2611.18244" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41a343b68ae381ad92afc94ef2f32de4" data-id="41a343b68ae381ad92afc94ef2f32de4"><span><div id="41a343b68ae381ad92afc94ef2f32de4" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41a343b68ae381ad92afc94ef2f32de4" title="13. AutoRL: A Multi-Agent System towards Autonomous Reinforcement Learning"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">13. AutoRL: A Multi-Agent System towards Autonomous Reinforcement Learning</span></span></h4><ul class="notion-list notion-list-disc notion-block-41a343b68ae381748d15f5b45c676267"><li><b>场景</b>：学术，无业务场景，面向 RL 训练过程的自动化监督与动态调优。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38134942ad0c57b7b29a9"><li><b>线上效果</b>：无线上 A/B，仅离线：在 Qwen3 与 LongCat-Flash-Lite 上优于静态 RL recipes 和通用 agent，具体数字未报告。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38105af81f78168544010"><li><b>问题</b>：RL 训练动态不稳定且需要持续监督，自动化困难；现有做法端到端跑完整实验，无法在训练进行中做过程级干预。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38165934adfd9f3f3c0e3"><li><b>动机</b>：应像真实 RL 研究员的工作流那样，在训练进行中持续监控演化状态并同步开展研究，而不是等实验结束后再总结。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38128a04ad2b1b41098cf"><li><b>贡献</b>：① 提出面向 RL 训练自动化的多智能体系统 AutoRL，将过程级监督与研究嵌入正在进行的训练。② 设计三类 RL 专用角色：Perceptor 监控并触发 deliberation，三个互补 Proposer 诊断问题、精炼候选干预，Orchestrator 审核并应用变更。③ 在 Qwen3 与 LongCat-Flash-Lite 上验证现有 agent 可承担无人值守的 RL 监督与动态调整。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381448e0bf098b6a532fd"><li><b>做法</b>：Perceptors 追踪 training dynamics、rollouts、evaluation、efficiency，在异常、退化或停滞时触发 deliberation；Proposers 基于共享证据诊断并精炼干预；Orchestrator 审核后通过 online hot update 或基于 checkpoint 的 resumption 应用获批变更。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38192b1c1e36fb2c85d75"><li><b>局限</b>：仅在两个模型上离线验证、未报告具体增益数字，作者也指出未来 RSI 的难点在于开发对资源消耗型验证有价值的基础方法。 <a class="notion-link" href="https://arxiv.org/abs/2611.17790" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41a343b68ae381e6af38f30877e76e4a" data-id="41a343b68ae381e6af38f30877e76e4a"><span><div id="41a343b68ae381e6af38f30877e76e4a" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41a343b68ae381e6af38f30877e76e4a" title="14. Aligning AI Teams"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">14. Aligning AI Teams</span></span></h4><ul class="notion-list notion-list-disc notion-block-41a343b68ae381caa3a4c58b63cd5f4e"><li><b>场景</b>：学术，无业务场景，任务为脓毒症分诊、新闻推荐器两项软件工程任务与 10 个咨询提案生成。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38151a9c3d4adcc0709d2"><li><b>线上效果</b>：无线上 A/B，仅离线：评估安全对齐行为；单-团队安全差距随模型能力无清晰趋势（Anthropic Mythos Preview 在一个任务上差距最大、另一任务上最小），具体指标与数值未报告。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae3819aaea0c5a7e6ace36c"><li><b>问题</b>：单智能体上的对齐训练无法迁移到多智能体团队，形成单-团队安全差距且机制此前不明；互相批评、群聊协调等常见干预也不能可靠消除该差距。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381c394f8cca4f6192fa7"><li><b>动机</b>：需先弄清失效机制再设计干预：责任扩散使团队成员不主动检查系统级安全失败、遇问题倾向忽略或合理化或推卸，因此应显式分配系统级安全责任。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381bba0fed40e3a4c4498"><li><b>贡献</b>：① 系统检验单智能体对齐向多智能体团队迁移失败，覆盖两个软件工程任务与十个咨询提案生成任务。② 发现单-团队安全差距不随模型能力呈现清晰趋势。③ 指出责任扩散可实质性解释安全差距，而互相批评、群聊协调等自然干预不可靠。④ 证明指定安全负责人与协调者发布安全规范文档两类干预有效，并开源 magelab 框架。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381249bc9c419840ba256"><li><b>做法</b>：在多智能体 LLM 团队上对比单智能体与团队的安全行为，分别测试互相批评、群聊协调、指定安全 lead、协调者发布安全规范文档等干预，并配套发布 magelab 编排与实验框架。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38175b233d22721bafe57"><li><b>局限</b>：任务范围仅限于两个软件工程任务与十个提案生成，泛化性仍待验证，且未点名具体对比工作。 <a class="notion-link" href="https://arxiv.org/abs/2611.17820" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41a343b68ae381a38012daae162a0955" data-id="41a343b68ae381a38012daae162a0955"><span><div id="41a343b68ae381a38012daae162a0955" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41a343b68ae381a38012daae162a0955" title="15. Neural Simulation-Based Inference for Computational Cognitive Models: A Tutorial"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">15. Neural Simulation-Based Inference for Computational Cognitive Models: A Tutorial</span></span></h4><ul class="notion-list notion-list-disc notion-block-41a343b68ae38104986ce3d28292c6df"><li><b>场景</b>：学术，无业务场景，面向认知计算模型的参数估计、模型比较与神经分析。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381749f92f47e7147157c"><li><b>线上效果</b>：无线上 A/B，仅离线：摘要未提供数据集、评价指标与数字结果，仅说明提供了实用案例。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381c7a498dbaf07ce7acf"><li><b>问题</b>：传统拟合依赖似然方法（最大似然估计、层次贝叶斯），但许多合理认知模型的似然计算不可解，这些方法随即失效，大幅限制了可研究的理论范围。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381ea88f6cf87a706767e"><li><b>动机</b>：用模型仿真生成数据集训练深度神经网络，学出可观测数据与认知模型之间的关系，从而绕过似然计算，且不受经验数据规模约束。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38171b61ae72be8795b7b"><li><b>贡献</b>：① 提供将 neural SBI 应用于认知模型的一套清晰工作流。② 给出实用案例以及降低计算与仿真负担的建议。③ 降低技术门槛，帮助认知科学家探索更丰富的理论空间、推动科学发现。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381b59a7ae4aa4577cca2"><li><b>做法</b>：在模型仿真数据上训练深度神经网络学习观测数据与认知模型之间的映射，支持参数估计、模型比较与基于模型的神经分析，全程无需计算似然。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38183a980fe1a0aa91394"><li><b>局限</b>：教程性质，摘要未给出实证性能数据，落地效果仍取决于具体模型与仿真预算。 <a class="notion-link" href="https://arxiv.org/abs/2611.17608" target="_blank" rel="noopener noreferrer">↗</a></li></ul><hr class="notion-hr notion-block-41a343b68ae3819a9dd5c726d70ef383"/><div class="notion-text notion-block-41a343b68ae3816ab7e5f883eb678cc8"><em>本日报由 AI 自动生成，解读观点仅供参考。</em></div></main></div>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[推荐周报 2026-W46]]></title>
            <link>https://www.bins-log.com/article/rec-weekly-2026-W46</link>
            <guid>https://www.bins-log.com/article/rec-weekly-2026-W46</guid>
            <pubDate>Mon, 09 Nov 2026 00:00:00 GMT</pubDate>
            <description><![CDATA[工业论文的“结果”栏分裂为系统指标与约束满足率：RecoGEM 在快手以集群峰值 60,000 QPS、P99 低于 35ms、吞吐 2.88× 支撑约 4 亿 DAU 与 10+ GR 模型族，通篇没有 CTR 数字；TS-GEAR 则同时报出广告收入 +4.2% 与 ValidRate@50 95.8%。]]></description>
            <content:encoded><![CDATA[<div id="notion-article" class="mx-auto overflow-hidden "><main class="notion light-mode notion-page notion-block-41a343b68ae38189a518c5636c8eba56"><div class="notion-viewport"></div><div class="notion-collection-page-properties"></div><blockquote class="notion-quote notion-block-41a343b68ae381cc80cae7bdf03b85c5"><div>本周共 45 篇（去重后），覆盖 3 天：11-10、11-11、11-13。缺 11-09、11-12、11-14、11-15（无日报且未补抓）。</div></blockquote><h3 class="notion-h notion-h2 notion-h-indent-0 notion-block-41a343b68ae3811b8b84c0c644204a70" data-id="41a343b68ae3811b8b84c0c644204a70"><span><div id="41a343b68ae3811b8b84c0c644204a70" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41a343b68ae3811b8b84c0c644204a70" title="本周概览"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">本周概览</span></span></h3><div class="notion-text notion-block-41a343b68ae381b0ba0fff689264a73f"><b>工业论文的“结果”栏分裂为系统指标与约束满足率</b>：RecoGEM 在快手以集群峰值 60,000 QPS、P99 低于 35ms、吞吐 2.88× 支撑约 4 亿 DAU 与 10+ GR 模型族，通篇没有 CTR 数字；TS-GEAR 则同时报出广告收入 +4.2% 与 ValidRate@50 95.8%。TriGen 的六国线上 A/B（REV +3.27%、GMV +0.90%、延迟约 10.5ms）说明「效果+时延+约束」三件套正在成为工业论文的默认格式。</div><div class="notion-text notion-block-41a343b68ae381d3a14af526be725747"><b>SID 从压缩工具变成业务先验与控制逻辑的接口</b>：TS-GEAR 用 3 个 geohash-6 地理 token 加 3 个语义 token，把配送可达性从生成后的硬截断变成解码约束；TriGen 用 tail injection + RoPE 与 gating router 在 SID 解码前校准 trigger 引发的意图突变；From Tokens to Behaviors 进一步把生成单元从 token 上移到行为轨迹。主线一致：谁定义 ID 或生成单元的结构，谁就定义模型能表达什么约束。</div><div class="notion-text notion-block-41a343b68ae38126b6b5df0c102dbb4b"><b>评测从“报分数”转向“审计分数怎么来的”</b>：IFRS 基准在分歧子集上重跑 11 种聚合方法，hard/soft vote 的 W-F1 只有 0.671/0.672，反而低于单模型 Gemini 的 0.713；评论蒸馏审计发现教师保真度与人工编辑一致性在完整新 SKU 与时间外推上方向相反；Anonymous in Name Only 更在真实 EEA 数据上量出爱尔兰窗口 17.91% 查询唯一。数据切分、标签来源与匿名化声明，正在成为必须实证的对象。</div><h3 class="notion-h notion-h2 notion-h-indent-0 notion-block-41a343b68ae381b9ae77e40c0b7b886f" data-id="41a343b68ae381b9ae77e40c0b7b886f"><span><div id="41a343b68ae381b9ae77e40c0b7b886f" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41a343b68ae381b9ae77e40c0b7b886f" title="一、生成式推荐的生产化：服务、SID 与触发控制"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">一、生成式推荐的生产化：服务、SID 与触发控制</span></span></h3><div class="notion-text notion-block-41a343b68ae38173896ff163f0c75669">本周四篇把生成式推荐从「架构能不能 work」推进到「上线后控不控得住」：RecoGEM 给出生产级服务的系统证据，TS-GEAR 与 TriGen 在 SID 结构里编码地理可达与触发意图，From Tokens to Behaviors 则把生成单元上移到行为轨迹。共同点是控制点前移——约束不再留给生成后的截断或重排。</div><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41a343b68ae38106ba2cfea3c53b419b" data-id="41a343b68ae38106ba2cfea3c53b419b"><span><div id="41a343b68ae38106ba2cfea3c53b419b" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41a343b68ae38106ba2cfea3c53b419b" title="RecoGEM: A Serving System for Production-Scale Generative Recommendation（快手、北京大学）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">RecoGEM: A Serving System for Production-Scale Generative Recommendation（快手、北京大学）</span></span></h4><div class="notion-text notion-block-41a343b68ae38105aec3f2976ddd2191"><a class="notion-link" href="https://arxiv.org/abs/2611.12296" target="_blank" rel="noopener noreferrer">arXiv</a></div><ul class="notion-list notion-list-disc notion-block-41a343b68ae381f9a478e3e88aa603bb"><li><b>场景</b>：生成式推荐生产服务。快手搜索、广告、推荐三场景，支撑 OneModel、OneRec-v2、UniSearch 等 10+ GR 模型族，覆盖约 4 亿 DAU。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae3816b8001d9dcbba93e1d"><li><b>线上效果</b>：无线上业务 A/B，未报告 CTR、eCPM、收入，仅系统指标：单实例超过 1000 QPS、P99 低于 35ms、吞吐提升 2.88×，集群峰值 60,000 QPS、MFU 55.3%，已稳定运行 9 个月。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381ab95e9c08bae61adac"><li><b>问题</b>：GR 无法复用 LLM/RecSys 栈。解码各步的语义不同，张量形状也不一样，并且步间要按 beam 策略做候选状态转移；而 LLM 引擎只有同构 token 循环，还假设权重、词表、策略在 worker 生命周期内稳定，于是更新只能停流换引擎。执行上 GR 是 many-row 短 KV、步骤形状可预测、大 K Top-K 在关键路径，与长上下文、均匀 decode、小 sampling tail 的 LLM 优化方向相反。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38111ac56c3cbefa579c2"><li><b>动机</b>：GR 步间差异虽异构但可预测（步数、每步前缀长度、beam 宽度在给定部署下固定），应把 SID step 边界显式保留为架构边界与编译边界：runtime 管状态转移与版本一致，engine 只按每步真实出现的窄形状、短 KV 行与大 K 选择做特化。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38122bf09d34ba83289bd"><li><b>贡献</b>：① 提出 runtime–engine 解耦架构，runtime 管理 SID 步转移、逐请求候选状态与在线更新，engine 只做张量计算，并由自动生成的 deployment contract 固化接口。② 设计 contract gate 加原子指针切换的在线更新，权重、SID 词表与 beam 策略可热更新，且每个请求只跑单一一致版本。③ runtime 用双缓冲 gather-and-copy 把 beam 后稀疏的 self-KV 压成 dense 前缀 KV，并让 KV 拷贝与下一幸存者的地址准备流水重叠。④ 三项执行优化：row-tiled self-attention、step-granular planning、两阶段精确 Top-K。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381568ea7df65cfeee6f5"><li><b>做法</b>：context processor 一次产出 cross-KV 全程复用，self-KV 按 survivor indices 从 active buffer gather 进 standby prefix buffer 作为下一步 past-KV；执行侧把 beam 扩展后的行按 tile 片上融合 score、逐行 softmax 与 value reduction，编译期对 t=1 到 L 干跑推断逐步维度并生成 step-bounded profile，候选选择先在每行 precut 再在幸存者并集上做请求级 Top-K。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38195832bd267d11edb50"><li><b>局限</b>：所给内容只覆盖系统指标与设计，未给出 CTR 等推荐效果收益及与具名基线的逐项对比。 <a class="notion-link" href="https://arxiv.org/abs/2611.12296" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41a343b68ae3810eb3c6e3812a212c9b" data-id="41a343b68ae3810eb3c6e3812a212c9b"><span><div id="41a343b68ae3810eb3c6e3812a212c9b" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41a343b68ae3810eb3c6e3812a212c9b" title="2. Scaling Taxonomy-Free Image Labeling with Generative AI: A Multimodal"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">2. Scaling Taxonomy-Free Image Labeling with Generative AI: A Multimodal</span></span></h4><ul class="notion-list notion-list-disc notion-block-41a343b68ae3813eba6bc64c17cd1cb9"><li><b>场景</b>：搜索。Pinterest 多模态 Hybrid Search 的图像 descriptors 与 pivot 查询建议。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38153ab4aebd9a38ecd7a"><li><b>线上效果</b>：线上 A/B（美加，时长未报告）：pivot feed engagement 较 control +146%、较 text-GPT 基线（BT）+100%，pivot CTR 较 BT +69.5%，descriptor feed engagement 较 control +79%；离线人工评估 pivot 适用性 3.5/4、descriptor 相关性 2.51/3（不相关率仅 4%）。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38172a9ddf59669abb6b8"><li><b>问题</b>：基于 taxonomy 的预测模型受固定标签体系限制，覆盖有限、标注成本高且有人工误差；VLM 逐图生成虽更丰富，但在十亿级图像上推理成本过高、在线延迟不可接受。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381378a99e3eb0e324687"><li><b>动机</b>：语义相近的图像可共享同一组 descriptors/pivots，因此只需每簇标一次并泛化到簇内成员，用平均 2000 的簇规模把 VLM 成本摊薄，同时保留 VLM 级描述质量与低延迟在线查找。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38145abffc1b0eba59994"><li><b>贡献</b>：① 提出 taxonomy-free 的 GLOC 框架：大规模层次 K-means 聚类、选簇代表图、VLM 标注、在线按簇归属查 KV store。② 设计层次 K-means，把聚类复杂度从 O(N²T/C) 降为 O(NST/C)，无需分布式 GPU 集群。③ 在 Pinterest Hybrid Search 落地 descriptors 与 pivots，标注成本降至 0.05%。④ 离线人工评估与在线 A/B 均显示显著优于 taxonomy 基线与 text-GPT 基线。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381d28ed7e4969a540d45"><li><b>做法</b>：先用 k-means 粗分区使每个分区能放进单卡 GPU 内存，再在分区内二次聚类，用质心最近邻取代表图交 VLM 标注，最后合并所有质心建索引；embedding 采用 Pinterest Unified Visual Embedding，在线以单层神经网络（约 1M 质心）或 ANN 索引做归属查找后查 KV store。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381a3a88be354841bc95f"><li><b>局限</b>：簇边界质量略降（成员到质心平均距离可翻倍），且依赖契合具体 insight 类型的高质量 embedding。 <a class="notion-link" href="https://arxiv.org/abs/2611.12725" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41a343b68ae381cab51fdcb11c00b63b" data-id="41a343b68ae381cab51fdcb11c00b63b"><span><div id="41a343b68ae381cab51fdcb11c00b63b" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41a343b68ae381cab51fdcb11c00b63b" title="TS-GEAR: Taobao Shangou GEnerative Ad Retrieval（淘宝）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">TS-GEAR: Taobao Shangou GEnerative Ad Retrieval（淘宝）</span></span></h4><div class="notion-text notion-block-41a343b68ae381968908d751c140965d"><a class="notion-link" href="https://arxiv.org/abs/2611.12180" target="_blank" rel="noopener noreferrer">arXiv</a></div><ul class="notion-list notion-list-disc notion-block-41a343b68ae381189a36d087a19d1e3c"><li><b>场景</b>：搜索与生成式召回。淘宝闪购（即时配送）搜索广告召回。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381da9c20c186671d358d"><li><b>线上效果</b>：线上 7 天 A/B：广告曝光 +3.8%、广告收入 +4.2%，0.1B 骨干日均服务 1.5 亿次查询；离线 TS-Delivery 生产半径 20km 下 HR@50 0.8080 对最强基线 OneLoc 0.5929（+36.3%），ValidRate@50 95.8% 对 35.4%。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae3811fac47f51196668eee"><li><b>问题</b>：现有 SID 只把地理当软信号，配送可达性只能靠生成后不可微的硬截断过滤，浪费 beam 且无法端到端优化；行为聚合未以实时查询-位置为条件导致兴趣偏差，自回归逐序列训练也缺少集合级信号抑制近重复候选。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381578d86fcd5d1bc40fe"><li><b>动机</b>：可达性本质上是空间前缀，应把地理编码成可解码的 GSID 前缀并在解码时结构性约束；召回交付的是一个集合，其价值取决于整体覆盖与多样性，用集合级奖励改写 RL 优势比 token 级似然更对齐业务目标。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae3811483f5d782d26b2e72"><li><b>贡献</b>：① 提出 Geo-Semantic ID（3 段 geohash-6 地理前缀加 3 个语义 token）与前缀级约束解码，把可达性从后置过滤变成生成目标。② 提出 Query-Geo Target Attention，以实时查询和位置为双目标聚合历史行为并支持跨区域兴趣迁移。③ 提出 GMPO，用去重组奖励与边际优势改写 GRPO 优势，无需辅助多样性目标即可优化集合价值并抑制策略坍缩。④ 工业与公开数据集上 HR、ValidRate 全面领先，并在线上取得曝光与收入双涨。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae3814fbad0d7b8b8ac918d"><li><b>做法</b>：encoder 底层 self-attention、上层分地理与语义双路径做 Query-Geo Target Attention 并由门控 α 加权，decoder 为 T5 式自回归且 User-Geo Gate 仅在生成地理 token 时注入实时位置；解码时前两个地理 token 约束在用户 4 位 geohash 的 3×3 邻域内，先点击日志 next-token 预训练再用 GMPO 对齐，beam 300。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381dabd06d8bd26e39aaf"><li><b>局限</b>：公开 POI 数据无真实查询与配送半径、Query Fusion 在全量人群上效果几乎不可见，且 geohash 网格尺寸随纬度变化只是近似。 <a class="notion-link" href="https://arxiv.org/abs/2611.12180" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41a343b68ae3819bbffbcdd6475c9372" data-id="41a343b68ae3819bbffbcdd6475c9372"><span><div id="41a343b68ae3819bbffbcdd6475c9372" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41a343b68ae3819bbffbcdd6475c9372" title="TriGen: A Generative Paradigm for Trigger-Induced Recommendation（阿里巴巴）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">TriGen: A Generative Paradigm for Trigger-Induced Recommendation（阿里巴巴）</span></span></h4><div class="notion-text notion-block-41a343b68ae381cb9429e7999c5b21dc"><a class="notion-link" href="https://arxiv.org/abs/2611.16395" target="_blank" rel="noopener noreferrer">arXiv</a></div><ul class="notion-list notion-list-disc notion-block-41a343b68ae38117b62bfe1c97b7ae7c"><li><b>场景</b>：电商推荐。用户点击商品后进入由 trigger 触发的关联信息流，部署在商品详情页 feed。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381398052f8601981d316"><li><b>线上效果</b>：六国流量加权线上 A/B（2026-06-28 至 07-02，约 5 天）：REV +3.27%、GMV +0.90%，分国 REV 提升 +1.64%~+8.16%、GMV 最高 +20.54%，推理延迟约 10.5ms，已全量上线。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae3815a8d6ed1a45e4d25fd"><li><b>问题</b>：现有生成式推荐都按 User-Induced 设定、预设行为连续，无法处理点击 trigger 引发的即时意图突变；而 DIHN/DIAN/DEI2N 等 TIR 方法都是判别式 CTR 打分，只输出标量或静态表示，无法指导逐 token 自回归生成。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae3810caf64f818184faaf9"><li><b>动机</b>：点击 trigger 主要调制近期且相关的局部行为，并非均匀重塑全部历史；持续偏好与即时冲动的权重随请求动态变化，且 SID 由粗到细逐层展开，因此需在编码、表示、解码三处分别做强度校准、动态门控与位置感知引导。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38191906cead7ab55fe4d"><li><b>贡献</b>：① 首个系统研究 TIR 场景的生成式推荐，提出偏好连续性约束下意图控制的自回归生成范式。② 提出 TriGen，包含 tail injection + RoPE 的强度校准局部重编码、gating router 的自适应双路径融合、位置特定的 Trigger-PFFN 逐解码步引导。③ 工业集 R@5 5.58 / R@10 15.50，高于 GR+trigger append（4.35/12.15）与 TIGER（2.39/7.53），Amazon R@5 10.83 高于 LC-Rec 10.20，并完成六国线上 A/B 与全量上线。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381d2a79be1fb90f10fb2"><li><b>做法</b>：编码端把 trigger 表示重复 N 次置于历史尾部，借 RoPE 相对位置调节其在 self-attention 中的干预强度；表示端用 step-specific trigger query 与可学习 default query 分别取注意力得到 trigger 路径 T 与 history 路径 H，拼接后经 router MLP + sigmoid 生成逐步门控，凸组合 cₗ = wₗ·tₗ + (1−wₗ)·hₗ；解码端每级独立 MLP_l 把 cₗ 加到右移 decoder 输入（含 BOS），再经 causal self-attention 与 cross-attention 逐 token 生成 SID。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38157a9fed66a6ab51131"><li><b>局限</b>：公开基准的 trigger 为人工模拟而非原生 TIR 标注，线上实验仅覆盖六国约 5 天。 <a class="notion-link" href="https://arxiv.org/abs/2611.16395" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41a343b68ae381a08c9cc9484a8e32b6" data-id="41a343b68ae381a08c9cc9484a8e32b6"><span><div id="41a343b68ae381a08c9cc9484a8e32b6" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41a343b68ae381a08c9cc9484a8e32b6" title="From Tokens to Behaviors: Rethinking Generative Recommendation for User Trajectory Prediction（快手）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">From Tokens to Behaviors: Rethinking Generative Recommendation for User Trajectory Prediction（快手）</span></span></h4><div class="notion-text notion-block-41a343b68ae3813a9d75eb9711a5f3a5"><a class="notion-link" href="https://arxiv.org/abs/2611.16159" target="_blank" rel="noopener noreferrer">arXiv</a></div><ul class="notion-list notion-list-disc notion-block-41a343b68ae3817fa61ee9df8e0ad4bd"><li><b>场景</b>：学术，无业务场景；生成式推荐下的用户行为轨迹预测（UBTP）。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae3817bacc3cc94b1b58bc6"><li><b>线上效果</b>：无线上 A/B，仅离线：Beauty、Cell Phones &amp; Accessories、ML-1M、Last-FM 四个公开数据集上各预测步长一致优于 11 个竞争基线，具体数值在提供的材料中被截断，主指标为 MHR@M 与 MNDCG@M。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae3810290e1f0afb6f5e85d"><li><b>问题</b>：串行 SID 解码把交互内 token 生成与交互间行为转移耦合，每个交互需多步依赖解码；自回归 rollout 只传选中物品、丢弃预测不确定性；teacher-forced 训练只学续写观测前缀，与推理时续写自身预测存在训练–推理差距。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae3811fb956c0c2e20092e7"><li><b>动机</b>：生成、反馈、学习都应对齐「连续用户行为」这一粒度：交互内 SID 可并行预测，交互间用循环状态显式建模转移；把当前预测分布（含备选项）带入下一步更新，并在自生成轨迹上直接优化轨迹级目标。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381e99757d0ff71eb3931"><li><b>贡献</b>：① 行为级轨迹生成：用 OPQ tokenization + 并行 SID 预测搭配循环行为状态更新，联合 SID 与 item 级监督。② 概率反馈：将选中物品嵌入与按预测概率和相似度加权的候选摘要融合，更新行为状态供下一步使用。③ 关系感知轨迹学习：在模型自生成前缀上结合当前位置准确率奖励、跨用户协同转移信号与后期信用分配，并加 KL 正则。④ 在四个公开数据集上不同预测步长均优于竞争基线。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38182aeb5e324e905e9fa"><li><b>做法</b>：因果 Transformer 编码历史初始化状态，每步 L 个并行残差 SID 头共享循环状态，按温度 τ_sid 与 τ_item 组合出全目录 item 分布；反馈向量由选中物品嵌入与概率加权候选摘要按 η 插值得到，经残差转移头更新状态；Stage II 从当前策略采样轨迹，以协同转移频率构造奖励，用含后续期望的代理损失加 stop-gradient baseline 优化，并对冻结参考模型做 KL 约束。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381ed8b90fd13f889e992"><li><b>局限</b>：仅四个公开数据集离线评测，无线上或工业验证；Stage II 需采样、可微重放与完整冻结参考前向，训练开销明显增加。 <a class="notion-link" href="https://arxiv.org/abs/2611.16159" target="_blank" rel="noopener noreferrer">↗</a></li></ul><div class="notion-text notion-block-41a343b68ae381858867daf6ad7edf65"><b>横向对比表：</b></div><table class="notion-simple-table notion-block-41a343b68ae3813287baf3fd9e6c1b62"><tbody><tr class="notion-simple-table-row notion-simple-table-header-row notion-block-41a343b68ae38160aa75e69e2384f1a4"><td class="" style="width:120px"><div class="notion-simple-table-cell">方案</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">机构</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">提升幅度</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">部署状态</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">数据规模</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">场景泛化</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">置信度</div></td></tr><tr class="notion-simple-table-row notion-block-41a343b68ae381e0b2f1da583d6a9b05"><td class="" style="width:120px"><div class="notion-simple-table-cell">RecoGEM</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">快手、北京大学</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">集群峰值 60,000 QPS（单实例 &gt;1000 QPS）、P99&lt;35ms、吞吐 2.88×</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">生产运行 9 个月，无业务 A/B</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">约 4 亿 DAU、10+ GR 模型族</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">搜索/广告/推荐三场景</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">高（系统指标）</div></td></tr><tr class="notion-simple-table-row notion-block-41a343b68ae381bd8a57f06125e4d89c"><td class="" style="width:120px"><div class="notion-simple-table-cell">TS-GEAR</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">淘宝</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">广告收入 +4.2%、曝光 +3.8%；离线 HR@50 0.8080 vs OneLoc 0.5929</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">线上 7 天 A/B</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">0.1B 骨干、日均 1.5 亿查询</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">即时配送搜索广告</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">高（线上 A/B）</div></td></tr><tr class="notion-simple-table-row notion-block-41a343b68ae38133b839f61b683cc4f0"><td class="" style="width:120px"><div class="notion-simple-table-cell">TriGen</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">阿里巴巴</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">REV +3.27%、GMV +0.90%（分国 REV +1.64%~+8.16%）</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">六国线上 A/B 约 5 天</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">未披露</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">商品详情页 feed</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">高（线上 A/B）</div></td></tr><tr class="notion-simple-table-row notion-block-41a343b68ae381a09c49e3e9ca4460eb"><td class="" style="width:120px"><div class="notion-simple-table-cell">From Tokens to Behaviors</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">快手</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">未披露（数值截断，仅称一致优于 11 个竞争基线）</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">无线上 A/B</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">4 个公开数据集</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">学术 UBTP 场景</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">中（离线）</div></td></tr></tbody></table><div class="notion-text notion-block-41a343b68ae381d3bdbdc028ed6c9bcb"><b>趋势判断：</b> 未来 6-12 个月，GR 的竞争点会从模型结构转向 SID schema、解码约束与服务预算的联合设计；TS-GEAR 与 TriGen 已经证明业务先验写进 token 空间是可行的。没有线上 A/B 或系统指标背书的生成式推荐论文，工业采信度会持续下降。</div><h3 class="notion-h notion-h2 notion-h-indent-0 notion-block-41a343b68ae38117bbc9cd5167472515" data-id="41a343b68ae38117bbc9cd5167472515"><span><div id="41a343b68ae38117bbc9cd5167472515" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41a343b68ae38117bbc9cd5167472515" title="二、评测与审计：把评估对象做成可复现资产"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">二、评测与审计：把评估对象做成可复现资产</span></span></h3><div class="notion-text notion-block-41a343b68ae3818db91edd1a3e73edbc">四篇从不同侧面把评测对象本身变成研究对象：IFRS 基准重跑聚合方法、评论蒸馏审计检验「一致率」是否等于质量、KuaiRecV2 用跨天保留率曲线暴露 RL-only 的遗忘、Anonymous in Name Only 则用真实 EEA 数据检验匿名化声明。共同信号是：默认值与数据切分足以改写结论。</div><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41a343b68ae381049fe3e2aabc53378c" data-id="41a343b68ae381049fe3e2aabc53378c"><span><div id="41a343b68ae381049fe3e2aabc53378c" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41a343b68ae381049fe3e2aabc53378c" title="IFRS Compliance Verification: An Open Multi-LLM Benchmark and Content-Conditioned Ensemble Classifier（安大略理工大学）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">IFRS Compliance Verification: An Open Multi-LLM Benchmark and Content-Conditioned Ensemble Classifier（安大略理工大学）</span></span></h4><div class="notion-text notion-block-41a343b68ae381a19ad3e86000b44da6"><a class="notion-link" href="https://arxiv.org/abs/2611.13595" target="_blank" rel="noopener noreferrer">arXiv</a></div><ul class="notion-list notion-list-disc notion-block-41a343b68ae381b78960f7a2dfd7dfca"><li><b>场景</b>：学术研究，无业务场景；面向财务报告的 IFRS 合规核查，判断监管条文与披露段落是否匹配。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381afb787d4bf5c60837f"><li><b>线上效果</b>：无线上 A/B，仅离线：Weighted F1 81.7%、Accuracy 82.4%、Cohen&#x27;s κ 0.556、ECE 0.068。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381ec9fc9c581766d2521"><li><b>问题</b>：单模型判定不可靠，朴素集成又被系统性偏置拖累：GPT-4.1 在分歧集上把 95.5% 的样本预测为 NOT COMPLIED（κ=0.019），hard/soft vote 的 W-F1 仅 0.671/0.672，反低于最强单模型 Gemini 的 0.713；Dawid-Skene 在三标注者下参数欠定退化为多数投票，CROWDLAB 的少数类 F1 塌缩为 0，EM 校准对温度上界敏感。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381b18ae5f84ffdc65504"><li><b>动机</b>：聚合决策应取决于监管条文与披露文本的内容而非仅置信度；当某标注者在某类上系统性偏差时，内容条件分类器能学到何时覆盖它，而 LLM 一致标签可作实用的弱监督替代人工标注。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38128b874d18a319b55f7"><li><b>贡献</b>：①构建首个公开 IFRS 合规基准，含 19,998 条监管-披露对与 8,837 条人工标注分歧项。②在分歧子集上 benchmark 11 种无监督聚合，归纳出单模型类别偏差、DS 参数欠定、CROWDLAB 少数类塌缩、EM 温度敏感四种结构性失效。③提出内容条件化学习式集成分类器，用 Optuna 调优 XGBoost 学到“何时覆盖有偏标注者”。④开源披露段落、监管段落、LLM 标注、人工标注、模型 checkpoint 与分类器代码。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381f9ac92d4c721b6481f"><li><b>做法</b>：三阶段领域适应句向量（SEC EDGAR 10-K MD&amp;A 上 MLM 继续预训练→TSDAE→SimCSE→一致标签正对上监督对比微调），三 LLM 以 T=0 输出三类概率经 L1 归一化，与 29 维面板统计、1,536 维冻结 SBERT 对嵌入拼成 1,565 维输入送入 XGBoost 元学习器。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381c4b7afda7961ebb2a2"><li><b>局限</b>：单领域单语言、仅三模型面板、人工标签只覆盖分歧子集、候选检索存在预选偏置，且未与商业审计工具比较。 <a class="notion-link" href="https://arxiv.org/abs/2611.13595" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41a343b68ae38154bd48d260f38b02be" data-id="41a343b68ae38154bd48d260f38b02be"><span><div id="41a343b68ae38154bd48d260f38b02be" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41a343b68ae38154bd48d260f38b02be" title="Auditing LLM Pseudo-Label Distillation for Review Informativeness at E-Commerce Scale（Hepsiburada）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">Auditing LLM Pseudo-Label Distillation for Review Informativeness at E-Commerce Scale（Hepsiburada）</span></span></h4><div class="notion-text notion-block-41a343b68ae38187ac33dcc688879c05"><a class="notion-link" href="https://arxiv.org/abs/2611.13797" target="_blank" rel="noopener noreferrer">arXiv</a></div><ul class="notion-list notion-list-disc notion-block-41a343b68ae381d38efcee8469d5f5ef"><li><b>场景</b>：电商推荐，面向商品评论信息量三分类与站内评论排序。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381d69c1dd4ec688b65e2"><li><b>线上效果</b>：无线上 A/B，仅离线：严格 OOT 上 BERTurk CE/C 的 QWK 为 .9198，学生流水线 2,218 条/秒、相对教师 50.2× 吞吐。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae3812eac10e686035ec3bd"><li><b>问题</b>：现有做法把学生与教师的一致率当作蒸馏质量的唯一标准，但教师保真度与人工编辑一致性回答的是不同问题；严格新 SKU 全集与时间外推审计子集人群不同，增益方向可能相反却容易被互相替代。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381d9bca9c23b347699d9"><li><b>动机</b>：伪标签可大规模获得且推理吞吐是瓶颈，但只有独立、对教师标签盲的人工审计才能判断蒸馏保留的是教师行为还是真正的编辑有效性，因此先冻结 cutoff 与标签再分别测实体与时间偏移。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae3817d9a96d0335cc9a652"><li><b>贡献</b>：①在 5,344,302 条土耳其电商评论上构建 SKU 不相交加时间外推的严格评测，审计 Gemini 3.1 Flash-Lite 到紧凑编码器的硬标签蒸馏共 21 组训练。②用对教师标签盲的标注员审计 40,000 条评论，发现 H3 类别前缀在完整新 SKU 上略提保真度，却在 16K 时间审计子集上同时降低与 Gemini 和标注员的一致性。③证明两个评测人群不同，补充 Amazon 跨市场与教师相对 NDCG 的运营检查。④测得单 L4 学生流水线 2,218 条/秒、相对教师 50.2× 的离线吞吐。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae3811da82de6b93387f4c0"><li><b>做法</b>：冻结 Gemini 生成 0/1/2 硬标签，学生取 BERTurk、XLM-R、COSMOS Turkish BERT、Turkish ModernBERT，对比交叉 CE 与 CORN、纯文本(T)与 H3 类别前缀加文本(C)；排序侧用 BERT-Join 拼接文本表示与 16 个工程数值特征。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381bb8ebef848fd8247aa"><li><b>局限</b>：单标注员、师生输入不匹配、无跨标注者信度，且全部为教师相对的离线结果。 <a class="notion-link" href="https://arxiv.org/abs/2611.13797" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41a343b68ae38131b5b5d4395f2a2932" data-id="41a343b68ae38131b5b5d4395f2a2932"><span><div id="41a343b68ae38131b5b5d4395f2a2932" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41a343b68ae38131b5b5d4395f2a2932" title="KuaiRecV2: Benchmarking Large-Scale Continual Learning for Diversified and Multi-task Recommendation（Kuaishou）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">KuaiRecV2: Benchmarking Large-Scale Continual Learning for Diversified and Multi-task Recommendation（Kuaishou）</span></span></h4><div class="notion-text notion-block-41a343b68ae38100a3b5f5d3d59429d9"><a class="notion-link" href="https://arxiv.org/abs/2611.16795" target="_blank" rel="noopener noreferrer">arXiv</a></div><ul class="notion-list notion-list-disc notion-block-41a343b68ae381ba9c55f64a0d426d53"><li><b>场景</b>：短视频推荐。快手平台的生成式推荐与持续学习评测基准。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38184b528f47ea31b8dbc"><li><b>线上效果</b>：无线上 A/B，仅离线：KuaiRecV2-Small 上 MiniOneRec NDCG@50 为 19.22×10⁻³、HR@50 62.63，优于 TIGER-Small（12.90/41.07）与 SASRec（1.92/6.61）。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae3816d95dec5d49b92918c"><li><b>问题</b>：现有简单离线评测与线上复杂结果严重不一致，已有基准（KuaiRec/FORGE/MUSE）规模小且只覆盖单一维度；生成式推荐在动态物品池下存在灾难性遗忘、token 级多样性差、多任务难控制。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381b4888aeb62cfd66cc8"><li><b>动机</b>：应在贴近工业的动态内容池与按天持续学习环境中统一评测检索精度、多级多样性与多任务表现；作者认为只有所有指标同时提升才算有效进步。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381a7a8a3e9bf4b22e54f"><li><b>贡献</b>：① 构建 KuaiRecV2-FullMonth（124k 用户、2489 万物品、4.84 亿交互、30 天）与 KuaiRecV2-Small 工业级数据集，含多模态 embedding 与 8 级 semantic ID。② 提出按天持续训练、跨天历史上下文与 7 天滑动窗口动态候选池的长期推荐管线，并设在线 leaderboard。③ 建立检索精度、token 与物品多级多样性、多任务指标统一的增强评测协议。④ 实证暴露生成式推荐的遗忘、长期不稳定、多样性瓶颈与多任务权衡，例如 RL-only 在 Day21 物品池变化后骤降。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381a8a103dfe0ed945c4b"><li><b>做法</b>：数据取自快手，经 n-core（n=100）过滤并保留近 7 天创建物品构成 FIFO 动态池；管线按天用 θ(t−1) 初始化并在 D_t 续训，跨天拼接历史（L_min/L_max 控制），日度 leave-one-out 评测、实例加权聚合 FullMonth 分数，并做 Day-k-to-Day-1 回测保留率。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38119bec6f9705c1b83d1"><li><b>局限</b>：仅离线基准，未给出线上验证，论文称局限见附录 B、正文未展开。 <a class="notion-link" href="https://arxiv.org/abs/2611.16795" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41a343b68ae38180af71e14569f051be" data-id="41a343b68ae38180af71e14569f051be"><span><div id="41a343b68ae38180af71e14569f051be" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41a343b68ae38180af71e14569f051be" title="Anonymous in Name Only: A Critical Review and a Reidentification Exercise on the European Commission&#x27;s Anonymization Measures for Google Search Data under Article 6(11) of the DMA（Department of Computer Science and Mathematics, ComSCIAM-Center for Computational）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">Anonymous in Name Only: A Critical Review and a Reidentification Exercise on the European Commission&#x27;s Anonymization Measures for Google Search Data under Article 6(11) of the DMA（Department of Computer Science and Mathematics, ComSCIAM-Center for Computational）</span></span></h4><div class="notion-text notion-block-41a343b68ae381fab4edc2f2db2aefea"><a class="notion-link" href="https://arxiv.org/abs/2611.17012" target="_blank" rel="noopener noreferrer">arXiv</a></div><ul class="notion-list notion-list-disc notion-block-41a343b68ae3814aabaafbbe287cd629"><li><b>场景</b>：搜索场景，审查 Google 搜索数据匿名化及依 DMA 第 6(11) 条向竞争搜索引擎共享。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381a2bfebc14a37227bbc"><li><b>线上效果</b>：无线上 A/B，仅离线实证：在 Alphabet 提供的真实 EEA 六个月数据上，爱尔兰窗口 17.91% 查询唯一、24.27% 记录唯一（不含时间戳）、43.82%（含时间戳），并完成多起重识别与记录链接。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae3811297cfef8917aa9153"><li><b>问题</b>：EC 以实体出现≥50 人、查询长度 95% 分位、元数据≥1000 人等启发式阈值分别独立过滤查询与元数据，既不保证二者联合后不唯一，还明确否认查询文本是准标识符；自由文本中的姓名、地址、Eircode 可绕过 NER 与允许列表。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381b7b7e7ca573fa40da2"><li><b>动机</b>：Google 搜索在 EEA 近乎覆盖全体人口（份额约 89.69%），唯一记录几乎等同明确重识别；匿名化应基于 k-anonymity 等形式化隐私模型并满足 EDPB 无孤立、无链接、无推断标准，而非事后经验阈值。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381a3809ad7c849ee3e1f"><li><b>贡献</b>：① 系统批判 EC 措施在残余风险界定、抑制阈值与合同保障上的概念缺陷。② 在真实 EEA 数据上量化残余唯一性，并展示低成本可自动化攻击。③ 完成重识别、记录链接与敏感属性推断案例。④ 论证措施不满足 EDPB 的三条匿名化标准，不应成为监管基准。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38174a524dad4ca5c0191"><li><b>做法</b>：先梳理 DMA/GDPR/EDPB 法律标准与 k-anonymity 等隐私模型，逐条审查 EC 的技术与合同措施；再在 Alphabet 经 EC 处理后的六个月数据上按 1 天到 6 个月多窗口统计唯一性，用简单正则、关键词和元数据组合构造攻击，最后对照 EDPB 三标准评估。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381eb81a0cdc946021f11"><li><b>局限</b>：属批判性审查与实证重识别，未提出并验证新的匿名化机制，实证也主要集中于爱尔兰与西班牙。 <a class="notion-link" href="https://arxiv.org/abs/2611.17012" target="_blank" rel="noopener noreferrer">↗</a></li></ul><div class="notion-text notion-block-41a343b68ae38185906ae4aa7a9498ff"><b>横向对比表：</b></div><table class="notion-simple-table notion-block-41a343b68ae38181979ad65e96c65bc5"><tbody><tr class="notion-simple-table-row notion-simple-table-header-row notion-block-41a343b68ae381c98443fb59cb1b01c6"><td class="" style="width:120px"><div class="notion-simple-table-cell">方案</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">机构</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">提升幅度</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">部署状态</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">数据规模</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">场景泛化</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">置信度</div></td></tr><tr class="notion-simple-table-row notion-block-41a343b68ae3812494fcc3f291ebb1b6"><td class="" style="width:120px"><div class="notion-simple-table-cell">IFRS 多 LLM 基准</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">安大略理工大学</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">W-F1 81.7%；分歧子集 hard/soft vote W-F1 0.671/0.672 vs Gemini 0.713</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">学术评测</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">IFRS 合规核查数据（规模未披露）</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">财务报告合规</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">中（基准+审计）</div></td></tr><tr class="notion-simple-table-row notion-block-41a343b68ae3810dafc2ff8d7538f2c2"><td class="" style="width:120px"><div class="notion-simple-table-cell">评论蒸馏审计</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">Hepsiburada</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">严格 OOT QWK 0.9198；2,218 条/秒、相对教师 50.2× 吞吐</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">离线 OOT（无线上 A/B）</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">评论规模未披露</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">电商评论信息量排序</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">中（离线）</div></td></tr><tr class="notion-simple-table-row notion-block-41a343b68ae381a98240c8ba1c14420f"><td class="" style="width:120px"><div class="notion-simple-table-cell">KuaiRecV2</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">快手</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">MiniOneRec NDCG@50 19.22×10⁻³、HR@50 62.63 vs TIGER-Small 12.90/41.07</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">离线基准（无线上 A/B）</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">KuaiRecV2-Small</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">短视频多任务/持续学习</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">中（基准）</div></td></tr><tr class="notion-simple-table-row notion-block-41a343b68ae3819286e9ca25b1464c3e"><td class="" style="width:120px"><div class="notion-simple-table-cell">Anonymous in Name Only</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">ComSCIAM 等</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">爱尔兰窗口 17.91% 查询唯一、记录唯一 24.27%/43.82%</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">实证审计（无部署）</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">EEA 六个月真实搜索数据</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">搜索数据匿名化</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">高（真实数据实证）</div></td></tr></tbody></table><div class="notion-text notion-block-41a343b68ae381ed896bd053e69d1e62"><b>趋势判断：</b> 6-12 个月内，benchmark 与审计工作的价值会从「新数据集」转向「可复现的评测协议与有界负结果」。数据切分人群、标签来源、编码器训练截止时间会成为审稿必查项，IFRS 这类「集成反而不如单模型」的负结果也会更常见。</div><h3 class="notion-h notion-h2 notion-h-indent-0 notion-block-41a343b68ae381a1859cea9c533d728c" data-id="41a343b68ae381a1859cea9c533d728c"><span><div id="41a343b68ae381a1859cea9c533d728c" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41a343b68ae381a1859cea9c533d728c" title="三、检索栈：边界校准与检索器实证"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">三、检索栈：边界校准与检索器实证</span></span></h3><div class="notion-text notion-block-41a343b68ae38167b204e375a077d0a7">三篇分别处理长文档块边界、TREC RAG 的研究智能体与检索器消融、以及现场录音的版本检索，共同点是在回答「检索到什么程度算够」——文本块边界、带引用报告的证据充分性、音频片段版本匹配。它们都不满足于单一平均指标，而是给出消融或分场景证据。</div><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41a343b68ae3812db9b4cb5707098f53" data-id="41a343b68ae3812db9b4cb5707098f53"><span><div id="41a343b68ae3812db9b4cb5707098f53" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41a343b68ae3812db9b4cb5707098f53" title="Calibrating Document-Local Boundaries for Contextual Chunk Retrieval（Alibaba）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">Calibrating Document-Local Boundaries for Contextual Chunk Retrieval（Alibaba）</span></span></h4><div class="notion-text notion-block-41a343b68ae381b4bcbfecc6464a4577"><a class="notion-link" href="https://arxiv.org/abs/2611.12097" target="_blank" rel="noopener noreferrer">arXiv</a></div><ul class="notion-list notion-list-disc notion-block-41a343b68ae3816b996add8583b69468"><li><b>场景</b>：学术（无业务场景），面向长文档的上下文块级检索。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38132bb35ca2e812eb064"><li><b>线上效果</b>：无线上 A/B，仅离线：ConTEB 八任务宏平均 NDCG@10 上 ModernBERT-base 74.89（InSeNT 73.49）、ModernBERT-large 78.61（76.70）、ModernColBERT 73.61（71.16）；NanoBEIR 上 base/large 较 InSeNT 分别 +0.44/+0.81。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381ab9d56fe77e0cd75ea"><li><b>问题</b>：InSeNT 以固定逆温度同时控制行内总优化力度与其在同文档兄弟负样本间的分配，无法适配各查询–文档对异质的 gold–hardest 边距；标准 Late Chunking 的块划分只用于编码后池化，最终层注意力并不显式感知检索单元边界。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381db8d01d8a422ba1386"><li><b>动机</b>：同文档的多个块共享上下文，语义相似的兄弟块难以区分，InSeNT 失败的 6,976 条查询中最高分兄弟块超过 gold 的占 82.21%。因此应以 gold 块与最强同文档兄弟块为分析单元，把条件优化力度集中到困难负样本，并让编码器注意力感知块边界。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38194bfaadd469ad4b523"><li><b>贡献</b>：① 在查询–文档行级分析 InSeNT，把总 score-space 优化力度与兄弟负样本间的条件分配分离，并推导竞争者熵随缩放因子单调下降。② 提出 DcLBC，结合 AMS（由 gold–hardest-sibling 边距导出的 detached 实例级缩放）与 CKR（把块路由注入 post-RoPE Keys）。③ 在 ConTEB 与 NanoBEIR 上用 ModernBERT、ModernColBERT 验证，并通过组件消融与 CKR 设计实验量化各机制贡献。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381d8badce2682b4b5bd5"><li><b>做法</b>：AMS 以 detached EMA 参考边距 μₜ 与实例 gold–hardest-sibling 边距（下限 ε）之比得到缩放 κᵢ 并截断到 [1, K]，κᵢ 仅作用于 InSeNT 文档内损失，等价于实例级温度 τ/κᵢ。CKR 为每个块用 GELU 路由向量生成共享偏移，加到该块所有 token 的 post-RoPE Keys 上，使块注意力质量乘以 exp(b_sc) 而保持块内注意力比例不变，默认路由 Last 2 层。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38132aa35f668cd0df016"><li><b>局限</b>：COVID 任务下降、路由层数收益非单调，且仅在两个基准与有限骨干上验证；与 Late Chunking 的差异在于 CKR 在编码时即让注意力按块路由。<a class="notion-link" href="https://arxiv.org/abs/2611.12097" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41a343b68ae3815b8c0dcf887cdb0a2e" data-id="41a343b68ae3815b8c0dcf887cdb0a2e"><span><div id="41a343b68ae3815b8c0dcf887cdb0a2e" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41a343b68ae3815b8c0dcf887cdb0a2e" title="RMIT-ADM+S at TREC RAG 2026: Research Agents, Retriever Ablations, and Open-Weight Replication（皇家墨尔本理工大学、昆士兰大学）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">RMIT-ADM+S at TREC RAG 2026: Research Agents, Retriever Ablations, and Open-Weight Replication（皇家墨尔本理工大学、昆士兰大学）</span></span></h4><div class="notion-text notion-block-41a343b68ae38154be38cfcccf8897df"><a class="notion-link" href="https://arxiv.org/abs/2611.16425" target="_blank" rel="noopener noreferrer">arXiv</a></div><ul class="notion-list notion-list-disc notion-block-41a343b68ae3819e8631fab56e06402e"><li><b>场景</b>：学术 benchmark 场景，TREC 2026 RAG track，在 ClimbMix-400B-shuffle 上生成带引用的报告。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae3814d92d5ecc24bdb5213"><li><b>线上效果</b>：无线上 A/B，仅离线：官方 NIST 评估中 6/7 runs 在三批均超 track median，brief-hybrid 与 sol-research-first 并列 Batch-1 vital_strict 最高 0.892，另有人类 SxS Bradley–Terry 评估。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38144967fe3c6f17dfb57"><li><b>问题</b>：RAG 的检索、生成、curation 与评估选择相互耦合，缺少对各 structural factor 及 writer/helper 模型的系统对比，难以判断复杂 agent 编排与专有模型是否值得其算力与金钱成本。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381b6bbb7c039304620b0"><li><b>动机</b>：组件交互耦合，应逐因素消融来量化各环节贡献；若开源模型能以低成本接近专有模型，research-agent 系统就可大幅降本，因此需同时比较 writer、检索与编排的质量和 token 成本。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38194990cd19317afd328"><li><b>贡献</b>：① 提交七个 research-agent runs，公开 14 个结构因素与 writer/helper 选择的消融目录及代码。② 预提交 RAGDoll 消融表明 writer 选择影响最大（换 Luna/Terra 降 0.40），hybrid RRF 比 brief-base 少 14.4% 检索、8.2% token、8.5% 成本。③ 官方评估中 6/7 runs 超 track median，brief-hybrid 与 sol-research-first 并列 Batch-1 vital_strict 最高 0.892。④ 揭示 coverage 与人类偏好分歧：Batch-1 owa-glm5 的 BT 1212.8 显著胜 1062.7（13/17 主题，p=0.006），成本 0.524 美元 vs 2.823 美元。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38135b07bded0896f7dcb"><li><b>做法</b>：staged evidence 研究 agent 让检索块仅存活一轮、用 commit_context 写入 evidence ledger；检索侧用 hybrid RRF（κ=60）融合 BM25 与微调的 256 维 jina-v5-nano 向量，top-5 结果自动扩展 ±1 相邻块。brief/scout/review 为独立 LLM 阶段，retriever 另用 agent 轨迹以 InfoNCE+LoRA 微调。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae3810b9653c399cf8a5371"><li><b>局限</b>：结论受小主题集、自动 judge 敏感性和检索器在测试主题轨迹上微调的限制，nugget coverage 与人类偏好还可能给出相反排序。 <a class="notion-link" href="https://arxiv.org/abs/2611.16425" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41a343b68ae38157a50de68cf947661f" data-id="41a343b68ae38157a50de68cf947661f"><span><div id="41a343b68ae38157a50de68cf947661f" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41a343b68ae38157a50de68cf947661f" title="Evaluation of Music Version Retrieval Methods for Setlist Identification in Live Concerts（Nowon AG）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">Evaluation of Music Version Retrieval Methods for Setlist Identification in Live Concerts（Nowon AG）</span></span></h4><div class="notion-text notion-block-41a343b68ae381a3b69efe4e438cac67"><a class="notion-link" href="https://arxiv.org/abs/2611.17070" target="_blank" rel="noopener noreferrer">arXiv</a></div><ul class="notion-list notion-list-disc notion-block-41a343b68ae38180b44ef1a908475723"><li><b>场景</b>：召回。演唱会现场录音对曲库的版本检索，用于 setlist 识别与版权监测。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381519f35ee5bcce84343"><li><b>线上效果</b>：无线上 A/B，仅离线：重建 ASID 上 NAVE recognition DAP 0.903 / DLP 0.697、pooled DAP 0.910 / DLP 0.705，高于 CLEWS 的 0.903/0.689 与 Re-MOVE 复现的 0.779/0.573。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381368766f64a3f060205"><li><b>问题</b>：现有 VI 系统只在曲目级 cover-song 基准验证，Re-MOVE 还把整段 120s 窗口池化为单一 256 维向量、丢失细粒度时序匹配；面向 1–3 小时嘈杂演唱会、百万级曲库的连续 setlist 识别缺乏验证。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae3819fa531ca0ddd1f6b0c"><li><b>动机</b>：CQT 频谱加约 20s 片段级 shingle 嵌入能保留更丰富的音色与频谱信息，时序对齐对部分重合和编曲变化更鲁棒，且 256 维可在不损失 DAP 的情况下把嵌入存储降到 CLEWS 的 1/4。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38153848ef9bc5de6b463"><li><b>贡献</b>：① 在重建的 ASID 基准上按统一协议对比 Re-MOVE、CLEWS 与内部 NAVE。② NAVE recognition 以 256 维达 0.903 DAP，比 Re-MOVE 高约 12pp，略优于 1024 维 CLEWS。③ 对比 recognition（DP 对齐）与 pooled 两种打分，显示 DP 对齐起隐式假阳性过滤作用（FP 280 对 346）。④ 评测四种 TVSM 门控策略，发现 conservative_gate 最优，并指出原 ASID 指标对歌曲边界精度不敏感。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38182b9dafd5e7ed3f3e2"><li><b>做法</b>：NAVE 对音频产生 L2 归一化的 256 维片段 shingle 嵌入序列；recognition 模式用 L2 距离加对角带动态规划对齐打分，pooled 模式对片段嵌入均值池化后算余弦；ASID 协议为 120s 窗口、30s 步长滑窗，与全库打分取 top-1 后做时序后处理合并重叠检测。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381e9ab86f85952dba332"><li><b>局限</b>：数据集规模有限、3 场演唱会音频缺失，且未为 CLEWS/NAVE 训练 SVM；约 0.90 DAP 下指标趋饱和，原指标难刻画边界精度。 <a class="notion-link" href="https://arxiv.org/abs/2611.17070" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41a343b68ae38155bcebf42c76031f48" data-id="41a343b68ae38155bcebf42c76031f48"><span><div id="41a343b68ae38155bcebf42c76031f48" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41a343b68ae38155bcebf42c76031f48" title="5. When Both Sides Adapt: The Challenges of Evaluating Interactive LLM Systems"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">5. When Both Sides Adapt: The Challenges of Evaluating Interactive LLM Systems</span></span></h4><ul class="notion-list notion-list-disc notion-block-41a343b68ae38120b84ddede0e08ea45"><li><b>场景</b>：学术，无业务场景；交互式 LLM 系统的评估方法论。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae3812cb50fd6077ccb4034"><li><b>线上效果</b>：无线上 A/B，也无真实离线数据集，仅有解析示例：两模型首轮成功率同为 90%，但两轮汇总成功率 M0 86.65% 对 M1 81.1%，出现排序反转。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381b2b115ce1faadad9ce"><li><b>问题</b>：现有评估把离线基准与线上 A/B 测试当作可互换的模型比较手段，默认 prompt 分布不受模型影响；但用户会观察回复后调整后续 prompt，模型因此内生地改变自身被评估的分布，两种方法的标准 difference-in-means 收敛到不同目标，可能给出相反的排序与部署建议。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae3818582f5f94c586044a2"><li><b>动机</b>：用户与 LLM 是双向自适应的，用户根据输出改变 prompt 策略、任务类型与难度，模型又响应用户输入，形成反馈回路；固定 prompt 分布会忽略这种内生性，因此需要形式化各评估方法究竟估计什么，以及离线评估何时足以复现线上实验的决策。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38102a2dbeb921704265b"><li><b>贡献</b>：① 定义 common-distribution effect 与 induced-distribution effect 两类估计量。② 证明离线基准/用户模拟的 difference-in-means 收敛到前者、线上 A/B 收敛到后者，二者即使大样本也可能不一致。③ 将 induced effect 分解为 common effect 加分布漂移项，刻画排序反转并给出排序一致的充分条件，转化为实验前筛查启发式。④ 在风格化线性模型中发现用户自适应会放大估计方差：γP·γM 小于 1 时按 1/T 下降、等于 1 时随 T 线性增长、大于 1 时指数增长，并统一解释 reward hacking、novelty effect 等难题。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae3815dbaf6e6f5ab6de8f5"><li><b>做法</b>：构建用户–LLM 随机交互框架，用用户响应核与模型响应核在单轮 Markov 依赖假设下诱导每轮 prompt 分布及长期分布；以 difference-in-means 分别刻画 benchmark、user simulation、A/B test 三种评估，通过效应分解与充分条件分析排序一致性。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae3814cb75bf72eab318680"><li><b>局限</b>：结论依赖 Markov 单轮依赖等强假设与风格化线性模型，缺少实证验证，并假设用户之间相互独立。 <a class="notion-link" href="https://arxiv.org/abs/2611.17239" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41a343b68ae381ca9919d8afd545ddc0" data-id="41a343b68ae381ca9919d8afd545ddc0"><span><div id="41a343b68ae381ca9919d8afd545ddc0" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41a343b68ae381ca9919d8afd545ddc0" title="6. ReSID: Rethinking Long-Tail Retrieval in Generative Recommendation through Item Reachability"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">6. ReSID: Rethinking Long-Tail Retrieval in Generative Recommendation through Item Reachability</span></span></h4><ul class="notion-list notion-list-disc notion-block-41a343b68ae381f3af39c29e6286d8b3"><li><b>场景</b>：生成式推荐的召回阶段，聚焦长尾物品检索。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38148ad75d80eff732975"><li><b>线上效果</b>：已在生产系统服务主要流量，并称取得显著业务收益；但摘要未披露 CTR/eCPM 等具体指标，不构成可核验的 A/B 数字。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38131a707f58795b2fd21"><li><b>问题</b>：现有生成式推荐用 SID 序列生成做召回，在交互分布长尾和紧服务预算下难以召回长尾物品；sequential SID 构造尾部表现更差，且 beam search 一旦剪掉所有在固定 mismatch tolerance 内可补全的前缀，部分匹配恢复就会失效。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381b39e40e956551f5073"><li><b>动机</b>：等码长下 parallel SID 在尾部持续优于 sequential SID，且完整生成失败时解码序列仍携带局部一致信息，可用部分匹配找回长尾；但恢复上限由上游搜索保留决定，因此必须同时改造保留与恢复。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38107a0e3eaf996e351a4"><li><b>贡献</b>：① 首次系统研究 SID 构造、解码与匹配全流程的长尾可达性。② 发现等码长下 parallel SID 在尾部优于 sequential SID，并证明部分匹配可从未成功解码的残留序列中恢复长尾物品。③ 提出 ReSID，把 popularity-debiased、user-semantic-aware 的 beam search 与 partial SID matching 结合。④ 长尾检索达 SOTA，整体准确率有竞争力，窄 beam 下延迟更低、吞吐更高并已上线。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae3817a8b37d2f005e1f64b"><li><b>做法</b>：以长 parallel SID 为基础，用 popularity-debiased 与 user-semantic-aware 的 beam search 保留可补全的有希望路径，再对存活 token 做 partial SID matching，在固定 mismatch tolerance 内恢复长尾候选。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38113af11fd58255f2994"><li><b>局限</b>：部分匹配仍受上游 beam search 剪枝约束，且摘要未给出量化结果，长尾收益的绝对幅度无法核验。 <a class="notion-link" href="https://arxiv.org/abs/2611.16404" target="_blank" rel="noopener noreferrer">↗</a></li></ul><div class="notion-text notion-block-41a343b68ae381fd9e4bd9009f223155"><b>横向对比表：</b></div><table class="notion-simple-table notion-block-41a343b68ae38108bbeaf2114bc008fd"><tbody><tr class="notion-simple-table-row notion-simple-table-header-row notion-block-41a343b68ae38114b56dd8ff7cb32f49"><td class="" style="width:120px"><div class="notion-simple-table-cell">方案</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">机构</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">提升幅度</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">部署状态</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">数据规模</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">场景泛化</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">置信度</div></td></tr><tr class="notion-simple-table-row notion-block-41a343b68ae3812684f9defd28b8240b"><td class="" style="width:120px"><div class="notion-simple-table-cell">文档局部边界校准</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">Alibaba</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">ConTEB 八任务宏平均 NDCG@10：ModernBERT-base 74.89、large 78.61</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">无线上 A/B</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">ConTEB 八任务</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">长文档块级检索</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">中（离线）</div></td></tr><tr class="notion-simple-table-row notion-block-41a343b68ae381558480cdb4a8948f27"><td class="" style="width:120px"><div class="notion-simple-table-cell">TREC RAG 2026 研究智能体</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">皇家墨尔本理工大学、昆士兰大学</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">6/7 runs 在三批均超 track median</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">学术 benchmark</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">ClimbMix-400B-shuffle</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">带引用报告生成</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">中（benchmark）</div></td></tr><tr class="notion-simple-table-row notion-block-41a343b68ae38151a158c65f0d85afac"><td class="" style="width:120px"><div class="notion-simple-table-cell">音乐版本检索</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">Nowon AG</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">NAVE recognition DAP 0.903 / DLP 0.697；pooled DAP 0.910 / DLP 0.705</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">无线上 A/B</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">重建 ASID</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">演唱会 setlist 识别</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">中（离线）</div></td></tr></tbody></table><div class="notion-text notion-block-41a343b68ae381f4b4cfc92279468e9a"><b>趋势判断：</b> 检索栈的下一轮差异化会落在预算旋钮与可证明的界上：本周趋势里的 CaST 给出至多 1.132× 类最优的代价上界、HyperPage 给出 B 倍最优界、LAAM 以 3.3% 能耗拿到 87% 的 P@10。只报平均时延与召回、不给可调预算或界的方法，会越来越难被工业检索栈采信。</div><h3 class="notion-h notion-h2 notion-h-indent-0 notion-block-41a343b68ae381b89551e4fe6d1f0ed4" data-id="41a343b68ae381b89551e4fe6d1f0ed4"><span><div id="41a343b68ae381b89551e4fe6d1f0ed4" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41a343b68ae381b89551e4fe6d1f0ed4" title="四、用户模拟、解释与主动智能体"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">四、用户模拟、解释与主动智能体</span></span></h3><div class="notion-text notion-block-41a343b68ae38147b387d54df3bd7f58">四篇把用户侧当作可建模对象：ShopMind 做电商用户模拟、Deep Personalization 做主动式桌面智能体、CFX→人类叙事把反事实解释翻译成自然语言、旅游多模态工作则先追问数据质量。它们的共同目标是降低对真人评测与线上实验的依赖。</div><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41a343b68ae381708c50d5bd998d4b50" data-id="41a343b68ae381708c50d5bd998d4b50"><span><div id="41a343b68ae381708c50d5bd998d4b50" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41a343b68ae381708c50d5bd998d4b50" title="ShopMind: A Mental World Model for Personalized and Realistic E-commerce User Simulation（Alibaba）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">ShopMind: A Mental World Model for Personalized and Realistic E-commerce User Simulation（Alibaba）</span></span></h4><div class="notion-text notion-block-41a343b68ae381bdbe01d28d122d37f1"><a class="notion-link" href="https://arxiv.org/abs/2611.11897" target="_blank" rel="noopener noreferrer">arXiv</a></div><ul class="notion-list notion-list-disc notion-block-41a343b68ae3811899b9e5cb2c897f15"><li><b>场景</b>：电商推荐；以淘宝真实购物日志为基础构建用户行为模拟，为推荐系统提供低成本评测环境。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381b382b9e81cbc74d2fc"><li><b>线上效果</b>：无线上 A/B，仅离线：个性化平均提升 18.0%、行为真实感（Transition JS）平均相对提升 19.6%，长程真实感 12 项指标全部最优（如 Taobao Transition JS 12.18 对 AlignUSER 16.72）；加入 MSR 心理状态后 CTR AUC 0.644→0.716（DeepSeek-V4-Pro）。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381c48949c481d106330e"><li><b>问题</b>：现有模拟器大多直接从可观测交互历史与当前上下文预测下一动作，忽略驱动行为且随交互演化的心理世界（信念、不确定性、意图），导致同一信息被不同用户做出不同解读的个体差异无法刻画，模拟既难个性化也难行为真实。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae3814bbe36d09ebbeb6127"><li><b>动机</b>：Theory of Mind 指出行为由信念、意图、不确定性等心理状态驱动，同一折扣信息对价格敏感用户是机会、对质量导向用户可能是降质信号。心理状态还会随浏览交互演化并塑造后续动作，因此应显式建模这一过程而非只映射可观测信号。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae3815caa3df37bf9409c4c"><li><b>贡献</b>：① 提出 ShopMind 心理世界模型，结构化建模并持续更新消费者的信念、不确定性与意图。② 用 ShopMind 合成行为–心理状态配对轨迹，训练 Mental State Reconstruction（MSR）从可观测行为反推潜在心理状态。③ 实验显示个性化提升 18.0%、行为真实感提升 19.6%，MSR 重建的心理状态进一步提升消费价值测量与 CTR 预测。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38184af9cd4bde8468c76"><li><b>做法</b>：方法分三阶段：心理状态建模与转移把状态表示为 Mₜ=(Bₜ,Uₜ,Iₜ,Eₜ)，用 update gate 仅在信息足够时触发状态转移，否则保持不变。心理世界 rollout 生成 K=4 个候选动作并各在独立环境副本中展开 L=2 步，再由个性化一致性分与 Qwen3-4B+LoRA 训练的 Behavior Critic 按 top-2 一致性 margin 与阈值共同选择动作，主模型为 DeepSeek-V4-Pro。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381158f1ae2590ca54be7"><li><b>局限</b>：论文未设局限性讨论，全部评估均基于离线基准；与 Shop-R1、Customer-R1 的差异在于显式建模并更新信念/不确定性/意图，并以心理世界 rollout 与行为 Critic 共同选择动作。<a class="notion-link" href="https://arxiv.org/abs/2611.11897" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41a343b68ae3814f9e4cd01f7fafeb15" data-id="41a343b68ae3814f9e4cd01f7fafeb15"><span><div id="41a343b68ae3814f9e4cd01f7fafeb15" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41a343b68ae3814f9e4cd01f7fafeb15" title="Deep Personalization: Continuous Context Observation for Local Proactive Agents（NVIDIA）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">Deep Personalization: Continuous Context Observation for Local Proactive Agents（NVIDIA）</span></span></h4><div class="notion-text notion-block-41a343b68ae381789fbef9551af5cfd4"><a class="notion-link" href="https://arxiv.org/abs/2611.13457" target="_blank" rel="noopener noreferrer">arXiv</a></div><ul class="notion-list notion-list-disc notion-block-41a343b68ae381158ed7e9c5df70902e"><li><b>场景</b>：学术研究，无业务场景；主动式桌面智能体判断何时主动提供帮助。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381cdb33dc6507106671e"><li><b>线上效果</b>：无线上 A/B，仅离线：OSWorld-Persona 上最佳 macro F1 0.483（Qwen-3.5-9B），10 人一周用户研究中 F1 proxy 从 0.199 升至 0.515。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381838bd6c4ad55f20b8e"><li><b>问题</b>：现有 agent 多是被动式，需用户自己识别何时求助；主动式 agent 难以判断此刻干预是否被需要，对一人有用的帮助对另一人可能冗余或打扰，且静态画像或显式配置无法刻画同一用户跨任务、跨情境变化的偏好。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae3813984b6c06176520f7a"><li><b>动机</b>：用户日常操作流本身同时提供上下文与监督信号：持续观察可得环境状态 s_t，而用户对建议的接受、忽略、主动求助以及重复操作可作为隐式反馈 r_t，无需人工标注即可闭环学习“何时该干预”。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae3819da224d1ca8be728d6"><li><b>贡献</b>：①提出 Coco 与 Observer Agent，持续观察数字上下文并从隐式反馈学习干预时机。②设计 change-aware frame selection 与 observation-first scheduling，使 Observer 在单台 RTX 5090 或 DGX Spark 本地运行，原始屏幕数据不出设备。③提出从 computer-use 数据合成个性化 benchmark 的通用管线，构建 OSWorld-Persona（6,558 关键帧、3,279 条标注、108 个 session）。④落地为桌面 app，并在 10 人一周用户研究中把 macro F1 proxy 从 0.199 提升到 0.515。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381768163d72b0fb2d263"><li><b>做法</b>：Observer Agent 为多模态 LM，每步输入 (s_t, h_{t-1}) 输出 observation、user intent、rationale 与二值决策 y_t；长期记忆是 observation–proposition 二部图，由 GUM 周期合成命题并按最近 k 条 observation 加语义最相关 k 条 proposition 检索；用 Coco-LoRA 或 Coco-PE 结合自反思样本更新。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae3818f8e53fd011bc750ae"><li><b>局限</b>：missed-opportunity 信号只是潜在机会而非已确认偏好，用户研究仅 10 人且以 F1 proxy 代替真实偏好，评估标签来自合成 persona。 <a class="notion-link" href="https://arxiv.org/abs/2611.13457" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41a343b68ae381b68439c5aee3387f54" data-id="41a343b68ae381b68439c5aee3387f54"><span><div id="41a343b68ae381b68439c5aee3387f54" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41a343b68ae381b68439c5aee3387f54" title="From Counterfactual Edits to Human Narratives: LLM-Driven Interpretations for Recommender System Explanations（捷克技术大学、因斯布鲁克大学）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">From Counterfactual Edits to Human Narratives: LLM-Driven Interpretations for Recommender System Explanations（捷克技术大学、因斯布鲁克大学）</span></span></h4><div class="notion-text notion-block-41a343b68ae381a8b59df5694aeaeb84"><a class="notion-link" href="https://arxiv.org/abs/2611.13914" target="_blank" rel="noopener noreferrer">arXiv</a></div><ul class="notion-list notion-list-disc notion-block-41a343b68ae381bda7a7ccc598642356"><li><b>场景</b>：学术研究，无业务场景；推荐系统的反事实解释生成。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae3817e8199da168e6a7d29"><li><b>线上效果</b>：无线上 A/B，仅离线：Correctness 最高 0.52，Informativeness 最高 0.22，语言质量 &gt;0.85。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38108a2eae7f072a2b19e"><li><b>问题</b>：推荐场景的 CFX 常需删除数十条历史交互，只能输出长而低层的编辑列表，用户难以理解；现有评测只关注编辑数量与成功率，几乎不考察解释是否连贯、可行动。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381f1bc87e0e5ccb8f08a"><li><b>动机</b>：反事实编辑本身是因果忠实的，缺的是以用户为中心的抽象层；LLM 可在保留反事实依据的前提下，把低层交互编辑概括为高层偏好模式。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38189a764d429f9802bab"><li><b>贡献</b>：①提出以 LLM 为中介的框架，将原始反事实交互编辑列表摘要为忠实的自然语言解释。②提出拆解式交互级匹配检查加人类校准最终评测的评估方法，覆盖 Correctness、Informativeness、Linguistic Quality。③在多种 CFX 生成器与多种 LLM 上做端到端对比，验证 DPO 优化效果。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381ca94eadee08d9f9a5b"><li><b>做法</b>：四阶段流程为 CFX 方法生成 top-5 位移的交互编辑、从 CFX 集与剩余历史各均匀采样 k_gen=20 条并映射为仅含上映年份与类型的 item 元数据、LLM 以两组交互为条件生成 NLE、LLM judge 构造偏好对做 DPO 后由 ModernBERT-large 人类校准分类器评估。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381eeaeefce3d420a1b5e"><li><b>局限</b>：仅在 ML-1M 单一数据集上离线验证，未报告线上或真实用户研究结果。 <a class="notion-link" href="https://arxiv.org/abs/2611.13914" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41a343b68ae381ccaa86e532663dbc5a" data-id="41a343b68ae381ccaa86e532663dbc5a"><span><div id="41a343b68ae381ccaa86e532663dbc5a" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41a343b68ae381ccaa86e532663dbc5a" title="Data Quality Challenges in Multimodal Tourism Recommender Systems（拉文斯堡-魏恩加滕应用科学大学、克拉根福大学）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">Data Quality Challenges in Multimodal Tourism Recommender Systems（拉文斯堡-魏恩加滕应用科学大学、克拉根福大学）</span></span></h4><div class="notion-text notion-block-41a343b68ae381daa842e4095ddb5af4"><a class="notion-link" href="https://arxiv.org/abs/2611.13972" target="_blank" rel="noopener noreferrer">arXiv</a></div><ul class="notion-list notion-list-disc notion-block-41a343b68ae381d38dd0f36da4cce8fd"><li><b>场景</b>：学术研究，无业务场景；旅游 next-POI 推荐中的多模态数据质量分析。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381f3a5eddd470c3dd8c7"><li><b>线上效果</b>：无线上 A/B，仅离线：定性案例分析，未报告任何指标。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38134b357d0c9db6a9432"><li><b>问题</b>：现有多模态旅游推荐大量引入评论、照片、社交关系等异构数据，却忽视其质量，噪声、偏差与矛盾直接进入融合与推荐过程；具体表现为虚假账号刷评与爆发式发帖、LLM 幻觉内容、游客与本地人及年龄地域分布错配、图文与位置标签不一致。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae3813384f3d5fddd645db3"><li><b>动机</b>：真实数据很少满足融合策略“各模态一致且完整”的假设，只有在上游预处理与下游建模中同时显式考虑数据质量，才能构建可信可靠的多模态推荐系统。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae3811282ade2e87a913f43"><li><b>贡献</b>：①基于 Multimodal Yelp 与德国博登湖 Instagram 两个真实数据集系统归纳数据质量挑战。②识别虚假/自动化账号噪声、LLM 幻觉语义噪声、人口统计偏差、跨模态语义矛盾四类问题。③给出行为模式异常账号检测、结构化摘要与选择性图像摘要、用户画像细分等可操作缓解做法。④提出质量感知融合、鲁棒融合、用户意图分化建模、视频与 360° 内容利用、受控 LLM 生成五条未来方向。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38136be18f2626682b6e3"><li><b>做法</b>：属于立场/案例型论文而非新系统；虚假账号先按发帖频率异常标记，再用连续签到间的移动速度不合理剔除，LLM 噪声改用预定义字段的结构化摘要且只对视觉线索清晰的图像生成摘要。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae3819e8e9ef0ee23f8c336"><li><b>局限</b>：仅为 workshop 立场论文，所提方向均未实现和定量验证。 <a class="notion-link" href="https://arxiv.org/abs/2611.13972" target="_blank" rel="noopener noreferrer">↗</a></li></ul><div class="notion-text notion-block-41a343b68ae381b49cbbf02f7d5ef1ff"><b>横向对比表：</b></div><table class="notion-simple-table notion-block-41a343b68ae381138440eeb0e5bd83af"><tbody><tr class="notion-simple-table-row notion-simple-table-header-row notion-block-41a343b68ae3814fb8d3d8b8d556b9f5"><td class="" style="width:120px"><div class="notion-simple-table-cell">方案</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">机构</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">提升幅度</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">部署状态</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">数据规模</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">场景泛化</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">置信度</div></td></tr><tr class="notion-simple-table-row notion-block-41a343b68ae381d0bf0bdfbcd5b55c3a"><td class="" style="width:120px"><div class="notion-simple-table-cell">ShopMind</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">Alibaba</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">个性化平均 +18.0%、Transition JS 相对 +19.6%</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">离线评测环境（无线上 A/B）</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">淘宝真实购物日志（规模未披露）</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">电商用户模拟</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">中（离线）</div></td></tr><tr class="notion-simple-table-row notion-block-41a343b68ae3814baa9cd44172e622a5"><td class="" style="width:120px"><div class="notion-simple-table-cell">Deep Personalization</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">NVIDIA</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">OSWorld-Persona macro F1 0.483；用户研究 F1 proxy 0.199→0.515</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">无线上 A/B（10 人一周研究）</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">10 名用户、一周</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">主动式桌面智能体</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">中（小样本）</div></td></tr><tr class="notion-simple-table-row notion-block-41a343b68ae381939720eee7887fc45c"><td class="" style="width:120px"><div class="notion-simple-table-cell">CFX→人类叙事</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">捷克技术大学、因斯布鲁克大学</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">Correctness 最高 0.52、Informativeness 最高 0.22</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">无线上 A/B</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">未披露</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">推荐解释生成</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">低-中（离线）</div></td></tr><tr class="notion-simple-table-row notion-block-41a343b68ae381ed964af6d15507d176"><td class="" style="width:120px"><div class="notion-simple-table-cell">旅游多模态数据质量</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">拉文斯堡-魏恩加滕应用科学大学、克拉根福大学</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">定性案例，未报告任何指标</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">无线上 A/B</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">未披露</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">旅游 next-POI</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">低（定性）</div></td></tr></tbody></table><div class="notion-text notion-block-41a343b68ae381ea9f59c619bf5d67a8"><b>趋势判断：</b> 6-12 个月内，仿真用户与主动智能体会成为推荐系统评测与交互的默认组件，ShopMind 的 18.0% 个性化提升与 19.6% 真实感提升已经给出可行性。但本周四篇全部无线上 A/B，解释的正确性（最高 0.52）与真实感离替代真人评测仍有距离。</div><h3 class="notion-h notion-h2 notion-h-indent-0 notion-block-41a343b68ae38104b631dee97266ac92" data-id="41a343b68ae38104b631dee97266ac92"><span><div id="41a343b68ae38104b631dee97266ac92" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41a343b68ae38104b631dee97266ac92" title="五、细节建模：去噪、文档结构与垂直视觉"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">五、细节建模：去噪、文档结构与垂直视觉</span></span></h3><div class="notion-text notion-block-41a343b68ae381798d51ecab7dc548ca">三篇共享「细粒度结构先验」这一路径：图协同过滤按维度自适应去噪、农业文档理解依赖表格与图表结构、苹果分拣依赖果梗腔与花萼这类小部件。它们不追求新范式，而是在既有骨干上补领域细节。</div><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41a343b68ae3815b8794dd08375c439d" data-id="41a343b68ae3815b8794dd08375c439d"><span><div id="41a343b68ae3815b8794dd08375c439d" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41a343b68ae3815b8794dd08375c439d" title="Proactive Dimension-Adaptive Denoising for Graph Collaborative Filtering via Representation Coherence（网易）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">Proactive Dimension-Adaptive Denoising for Graph Collaborative Filtering via Representation Coherence（网易）</span></span></h4><div class="notion-text notion-block-41a343b68ae381f684c9eb9b270680f4"><a class="notion-link" href="https://arxiv.org/abs/2611.11801" target="_blank" rel="noopener noreferrer">arXiv</a></div><ul class="notion-list notion-list-disc notion-block-41a343b68ae381d7a438cbab953b6cc9"><li><b>场景</b>：信息流推荐。网易新闻信息流的 LightGCN 图协同过滤召回通道。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae3815c9741fdeba29bca24"><li><b>线上效果</b>：无线上 A/B，仅离线：Yelp、Amazon-book、MovieLens-1M 上 Recall@5 较最强基线 DAR 分别提升 +12.33%、+17.95%、+5.63%（p 远小于 0.001）；目前仅计划监控 CTR 与停留时长。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381d6b7ddf1160c354546"><li><b>问题</b>：T-CE、R-CE、DAR 等显式去噪方法都以训练 loss 作噪声信号，属被动机制——噪声先误导模型产生预测误差才被识别；且 loss 受训练阶段、负采样随机性和 hard positive 干扰，作为唯一噪声指标不可靠。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae3810f9bbbf235e6e90d9b"><li><b>动机</b>：嵌入空间中噪声交互的表示会偏离用户历史偏好质心，余弦一致性可作为独立于预测误差的主动信号，且与 loss 盲区互补（冷启动用户质心不稳时回退 loss），融合可同时减少漏检噪声与误杀干净交互。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae3816cbcedd7e1af43e4db"><li><b>贡献</b>：① 提出 RCD，用交互表示与用户历史质心的余弦一致性构建不依赖预测误差的主动噪声信号。② 设计活跃度感知的 RCD/Loss 融合，并转为交互级维度自适应 mask，可靠交互用满维度、可疑交互限维。③ 三个稀疏度差异大的公开基准上全面超越 SOTA DAR，去掉对比学习的核心变体在更稀疏数据上已超 DAR，隔离出 RCD 为主要增益。④ 仅作用于训练回路，推理输出与 LightGCN 完全一致，不增加线上延迟、参数或内存。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381399beee4b6d0f1ceeb"><li><b>做法</b>：交互表示 r_ui 取 e_u 与 e_i 的逐元素积，用户历史均值质心每 epoch 用当前嵌入重算，一致性经 sigmoid 得 α_RCD，与 EMA 平滑 loss 得到的 α_loss 按活跃度权重 w_u 融合，再取有效维度 d_ui = ⌊(1−α)d⌋ 与二值掩码对嵌入限维后做预测。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38140b190f0a9c28f3b49"><li><b>局限</b>：假设用户短期偏好稳定、每 epoch 质心计算有额外开销、多兴趣用户场景未解决，线上效果尚待 A/B 验证。 <a class="notion-link" href="https://arxiv.org/abs/2611.11801" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41a343b68ae3810cab5adfdab65dc394" data-id="41a343b68ae3810cab5adfdab65dc394"><span><div id="41a343b68ae3810cab5adfdab65dc394" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41a343b68ae3810cab5adfdab65dc394" title="Multi-Modal Agricultural Document Understanding at the DAGRI Task（上海人工智能实验室、复旦大学、中国科学院计算技术研究所）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">Multi-Modal Agricultural Document Understanding at the DAGRI Task（上海人工智能实验室、复旦大学、中国科学院计算技术研究所）</span></span></h4><div class="notion-text notion-block-41a343b68ae38126a6fcc7ec005f86b8"><a class="notion-link" href="https://arxiv.org/abs/2611.11886" target="_blank" rel="noopener noreferrer">arXiv</a></div><ul class="notion-list notion-list-disc notion-block-41a343b68ae381109f29ea221b0b750c"><li><b>场景</b>：学术评测（DAGRI 的 TableIE 表格抽取、MTMH-QA 多表多跳问答、FiT-QA 图表问答三个子任务），无业务场景。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae3819186bafb90a4c97cab"><li><b>线上效果</b>：无线上 A/B，仅离线：TableIE test exact match 0.6566 排名第一（baseline 0.0576）；MTMH-QA 修订后 accuracy 0.8444（初始 0.7350 居首，baseline 0.1682）；FiT-QA test BLEU 54.5788 最高，LLM Judge 与人工评估第二。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38105a1fee85ec286ebb2"><li><b>问题</b>：pdftotext 一类解析把复杂表格压平，破坏表头、数值、单位关联，稀疏排班表上纯文本无法对齐数据格与行列头；跨文件 JSON 问答需精确数值匹配而语义检索难以定位证据；VLM 还会读错密集小字，并因语体、单位不一致让语义正确的答案在 BLEU 上大幅掉分。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381d8bf54cf451cdf16de"><li><b>动机</b>：结构保留的 HTML/Markdown 能保住合并单元格、多级表头与表头-数据格对应关系，按经营类型切分长文档可降低输入复杂度并隔离失败；对需精确局部匹配的多表问答，agent 直接用 shell 逐文件探索比语义检索更能保住证据链，OCR 文本与原图互补则既防幻觉又补小字感知。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381258cd1ed1d3030b84f"><li><b>贡献</b>：① 为 TableIE 构建 MinerU 结构保留解析、按经营类型的区域自适应分段、复杂表双模态提取的多阶段流水线，test exact match 0.6566 排名第一。② 为 MTMH-QA 采用 DCI-Agent 以 shell 命令迭代探索 JSON 语料，并用 GPT-5.5 与 Qwen3.7-Max 双 agent 交叉校验与仲裁，修订后准确率 0.8444。③ 为 FiT-QA 设计 MinerU OCR 文本加原图的双模态 VLM 流水线与确定性答案归一化后处理，取得最高 BLEU 54.5788。④ 通过消融揭示 OCR 与后处理各自贡献，并讨论 BLEU 与 LLM Judge 评分分歧反映的评测问题。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381e0afe0d841c3349071"><li><b>做法</b>：TableIE 用本地部署的 MinerU（VLM backend）解析出保留 rowspan/colspan 与多级表头的 Markdown，正则按经营类型切分后以关键词过滤加类型专属 schema 交 Qwen3.7-Max 抽取；DCI-Agent 用 ls、find、grep、read 最多 100 轮定位证据；FiT-QA 把 Markdown 与原图一起输入 GPT-5.5（temperature 0.0），再做删模糊限定词、敬体转常体、补单位、合并括号注释的后处理。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381e989f2d825e759c0c6"><li><b>局限</b>：仅在单一基准上实验、区域与文档多样性有限，跨领域与跨语言泛化性未知。 <a class="notion-link" href="https://arxiv.org/abs/2611.11886" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41a343b68ae38167bfb3c609a4387ee2" data-id="41a343b68ae38167bfb3c609a4387ee2"><span><div id="41a343b68ae38167bfb3c609a4387ee2" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41a343b68ae38167bfb3c609a4387ee2" title="CAppleNet: A Coordinate Attention-Based YOLO11 for Real-Time Apple Stem Cavity and Calyx Detection（Apple）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">CAppleNet: A Coordinate Attention-Based YOLO11 for Real-Time Apple Stem Cavity and Calyx Detection（Apple）</span></span></h4><div class="notion-text notion-block-41a343b68ae381318973d9816e183de9"><a class="notion-link" href="https://arxiv.org/abs/2611.13920" target="_blank" rel="noopener noreferrer">arXiv</a></div><ul class="notion-list notion-list-disc notion-block-41a343b68ae38154a6cdce83f1b0f1a6"><li><b>场景</b>：学术（无业务场景）；面向工业水果分拣与定向的实时苹果果梗腔、花萼检测。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381849847c269d4d6f0bc"><li><b>线上效果</b>：无线上 A/B，仅离线；自建 151 图测试集上 Coordinate Attention 替换版 mAP@0.5 0.935、果梗腔 F1 0.8217。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38184ab7dfb54ffadcb99"><li><b>问题</b>：已有苹果检测与注意力研究只报告单一已调优模型，未做受控比较，无法判断分辨率、增强、优化器、轻量模块各自对果梗腔、花萼这类细小 landmark 的独立贡献。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381cdb0cee8a868dcd77d"><li><b>动机</b>：用严格 One-Factor-at-a-Time 消融并以默认超参 YOLO11s 为固定参照，才能把收益归因到单一干预；亚果级形态凹陷具有方向对称性，位置敏感注意力比各向同性自注意力更适配，也更轻。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38193b449e5e7784f664a"><li><b>贡献</b>：① 自建并自标注 1506 张固定相机、固定光照苹果图像（1054 训练、301 验证、151 测试），分 fruit body、stem cavity、calyx 三类。② 以默认超参 YOLO11s 为严格基线，围绕分辨率、增强策略、优化器与学习率、轻量注意力、置信阈值做单因子消融。③ 发现把骨干中 C2PSA 原位替换为 Coordinate Attention，是唯一不劣于基线且更轻的改动：参数降 10.2%、GFLOPs 降 4.2%、mAP@0.5 0.935 为全研究最高、果梗腔 F1 0.8217。④ 确定 0.15 为部署置信阈值，并证明 CA 与强 HSV 增强不可加性叠加，组合后 F1 跌至全研究最低 0.8775。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae3812ab7ade8e34e8c4a79"><li><b>做法</b>：以 YOLO11s 架构默认超参（640×640、最多 100 epoch、patience=30）为基线，各项改动单独施加；CoordAtt 沿高、宽轴分别池化，拼接后经共享 1×1 conv-BN-h-swish 瓶颈分成两路生成 sigmoid 注意力图 a_h、a_w 对输入逐元素重标定。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38111852ffad76ca0d186"><li><b>局限</b>：mAP@0.5:0.95 从 0.627 降至 0.607，且消融效应不可叠加，结论仅限固定相机、固定光照的单一自建数据集。 <a class="notion-link" href="https://arxiv.org/abs/2611.13920" target="_blank" rel="noopener noreferrer">↗</a></li></ul><div class="notion-text notion-block-41a343b68ae38120b77dd342d089f10a"><b>横向对比表：</b></div><table class="notion-simple-table notion-block-41a343b68ae3810da958d8cbff57a30c"><tbody><tr class="notion-simple-table-row notion-simple-table-header-row notion-block-41a343b68ae381748364c24f956e98ae"><td class="" style="width:120px"><div class="notion-simple-table-cell">方案</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">机构</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">提升幅度</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">部署状态</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">数据规模</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">场景泛化</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">置信度</div></td></tr><tr class="notion-simple-table-row notion-block-41a343b68ae381e88830f3c9872c32ec"><td class="" style="width:120px"><div class="notion-simple-table-cell">Proactive Dimension-Adaptive Denoising</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">网易</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">Recall@5 较最强基线 DAR +12.33%/+17.95%/+5.63%</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">无线上 A/B</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">Yelp、Amazon-book、MovieLens-1M</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">信息流召回</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">中（离线，p 远小于 0.001）</div></td></tr><tr class="notion-simple-table-row notion-block-41a343b68ae38101ad14ffd826a0147a"><td class="" style="width:120px"><div class="notion-simple-table-cell">DAGRI 多模态农业文档</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">上海人工智能实验室、复旦大学、中科院计算所</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">TableIE exact match 0.6566 vs baseline 0.0576，排名第一</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">学术评测</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">DAGRI 三子任务</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">农业文档表格/图表</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">中（benchmark）</div></td></tr><tr class="notion-simple-table-row notion-block-41a343b68ae381bdbbcbe080a3a69c94"><td class="" style="width:120px"><div class="notion-simple-table-cell">CAppleNet</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">Apple</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">mAP@0.5 0.935、果梗腔 F1 0.8217</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">无线上 A/B</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">151 图测试集</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">水果分拣视觉</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">低（小测试集）</div></td></tr></tbody></table><div class="notion-text notion-block-41a343b68ae381c0bbeff90a04165238"><b>趋势判断：</b> 这类工作的影响半径取决于领域结构能否做成可迁移模块。6-12 个月内更可能出现的是把表格结构编码、维度自适应去噪接到通用骨干上的增量方案，而非另起端到端大模型；小测试集上的视觉结果则需要更大规模复现才能进入生产。</div><h3 class="notion-h notion-h2 notion-h-indent-0 notion-block-41a343b68ae3812ca823d544f423dd0d" data-id="41a343b68ae3812ca823d544f423dd0d"><span><div id="41a343b68ae3812ca823d544f423dd0d" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41a343b68ae3812ca823d544f423dd0d" title="值得关注的方向"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">值得关注的方向</span></span></h3><div class="notion-text notion-block-41a343b68ae381d9ba23d9be96cdc169"><b>SID 空间的可控性工程</b>：TS-GEAR 的 geohash-6 GSID、TriGen 的 tail injection + RoPE/gating router、RecoGEM 把 SID 步间异构形状保留为 runtime 与 engine 的架构边界，都在把业务约束前移进 token 结构与解码器。预期 6-12 个月内出现可复用的 SID schema 与解码约束接口，长尾可达性也会从 beam search 调参升级为结构性问题——KuaiRecV2 的 Day21 物品池变化就是提醒。</div><div class="notion-text notion-block-41a343b68ae381cbba0dd6d0a4488cf4"><b>评测审计与可复现资产成为一等贡献</b>：KuaiRecV2 把灾难性遗忘做成跨天保留率曲线，RMIT-ADM+S 在 TREC RAG 公开 14 个结构因素消融与冻结评测资源，Anonymous in Name Only 用真实 EEA 数据做再识别实证；IFRS 与评论蒸馏审计则证明聚合方法与标签来源足以反转结论。预期 benchmark 论文的审稿标准会加入「可复现资产 + 有界负结果」，只报单一平均值的评测会快速贬值。</div><div class="notion-text notion-block-41a343b68ae381d1b671fcd33758942a"><b>用户模拟与主动智能体成为低成本评测与交互层</b>：ShopMind 用淘宝真实日志把个性化提升 18.0%、行为真实感（Transition JS）相对提升 19.6%，Deep Personalization 在 10 人一周研究中把 F1 proxy 从 0.199 抬到 0.515，CFX→人类叙事则把反事实编辑翻译成用户可读解释。若模拟器真实感继续以双位数改善，一部分线上实验预算会迁移到仿真环境。</div><h3 class="notion-h notion-h2 notion-h-indent-0 notion-block-41a343b68ae381fdb58af84578954650" data-id="41a343b68ae381fdb58af84578954650"><span><div id="41a343b68ae381fdb58af84578954650" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41a343b68ae381fdb58af84578954650" title="本周论文速览"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">本周论文速览</span></span></h3><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41a343b68ae381dea318fd066fe43def" data-id="41a343b68ae381dea318fd066fe43def"><span><div id="41a343b68ae381dea318fd066fe43def" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41a343b68ae381dea318fd066fe43def" title="生成式推荐的生产化：服务、SID 与触发控制"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">生成式推荐的生产化：服务、SID 与触发控制</span></span></h4><ul class="notion-list notion-list-disc notion-block-41a343b68ae381088259ef50696536bc"><li>RecoGEM — 快手、北京大学 提出生产级生成式推荐服务系统，集群峰值 60,000 QPS、P99&lt;35ms、吞吐 2.88×，稳定运行 9 个月。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381b7b4e0fd9628573e39"><li>TS-GEAR — 淘宝 提出 GSID（3 个 geohash-6 地理 token + 3 个语义 token）做即时配送广告召回，线上广告收入 +4.2%。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae3814bbae3d585e7f75a45"><li>TriGen — 阿里巴巴 用 tail injection + RoPE 与 gating router 校准 trigger 引发的意图突变，六国线上 REV +3.27%。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381b08c22e6e54a31a8b5"><li>From Tokens to Behaviors — 快手 把生成单元从 token 上移到行为轨迹，四个公开数据集上各预测步长一致优于 11 个基线。</li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41a343b68ae3815ebe48d90e6acddaec" data-id="41a343b68ae3815ebe48d90e6acddaec"><span><div id="41a343b68ae3815ebe48d90e6acddaec" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41a343b68ae3815ebe48d90e6acddaec" title="评测与审计：把评估对象做成可复现资产"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">评测与审计：把评估对象做成可复现资产</span></span></h4><ul class="notion-list notion-list-disc notion-block-41a343b68ae3818a9207de28682840d2"><li>IFRS 多 LLM 基准 — 安大略理工大学 发布开放式合规核查基准，W-F1 81.7%；分歧子集上投票集成 0.671/0.672 反而低于 Gemini 单模型 0.713。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae3818a80e2f79a0737a5f2"><li>评论蒸馏审计 — Hepsiburada 审计 LLM 伪标签蒸馏，严格 OOT QWK 0.9198、2,218 条/秒，并发现教师保真度与人工一致性方向相反。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae3816ca8c4d09accb56643"><li>KuaiRecV2 — 快手 发布持续学习基准，MiniOneRec NDCG@50 19.22×10⁻³、HR@50 62.63，并暴露 RL-only 在 Day21 物品池变化后骤降。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381d9b0e6ff9c733868bb"><li>Anonymous in Name Only — ComSCIAM 等 对 DMA 匿名化措施做再识别实证，爱尔兰窗口 17.91% 查询唯一、24.27% 记录唯一。</li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41a343b68ae381f59a76f6005cb77567" data-id="41a343b68ae381f59a76f6005cb77567"><span><div id="41a343b68ae381f59a76f6005cb77567" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41a343b68ae381f59a76f6005cb77567" title="检索栈：边界校准与检索器实证"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">检索栈：边界校准与检索器实证</span></span></h4><ul class="notion-list notion-list-disc notion-block-41a343b68ae3818b8efec809e736613b"><li>文档局部边界校准 — Alibaba 校准长文档上下文块边界，ConTEB 八任务宏平均 NDCG@10 上 ModernBERT-large 达 78.61。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae38182bc97efe87a5768a0"><li>TREC RAG 2026 研究智能体 — 皇家墨尔本理工大学、昆士兰大学 提交研究智能体与检索器消融，6/7 runs 在三批超过 track median。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae3811fafc0c2c7e5060ddb"><li>音乐版本检索 — Nowon AG 评测现场录音对曲库的版本检索，NAVE recognition DAP 0.903、pooled DAP 0.910。</li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41a343b68ae381a6939ced1ac1f750f5" data-id="41a343b68ae381a6939ced1ac1f750f5"><span><div id="41a343b68ae381a6939ced1ac1f750f5" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41a343b68ae381a6939ced1ac1f750f5" title="用户模拟、解释与主动智能体"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">用户模拟、解释与主动智能体</span></span></h4><ul class="notion-list notion-list-disc notion-block-41a343b68ae3814aa935e648d6bbb05e"><li>ShopMind — Alibaba 提出电商用户心智世界模型，个性化平均 +18.0%、行为真实感相对 +19.6%。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381e2a614eb28d637c45f"><li>Deep Personalization — NVIDIA 做持续上下文观察的主动式智能体，OSWorld-Persona macro F1 0.483。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381d4bacbcb363c9fa169"><li>CFX→人类叙事 — 捷克技术大学、因斯布鲁克大学 把反事实编辑转成自然语言解释，Correctness 最高 0.52。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381f9a5affb86e2e1ea38"><li>旅游多模态数据质量 — 拉文斯堡-魏恩加滕应用科学大学、克拉根福大学 分析旅游推荐的多模态数据质量问题，仅做定性案例、未报指标。</li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-41a343b68ae38180b838e47fcb96c6a2" data-id="41a343b68ae38180b838e47fcb96c6a2"><span><div id="41a343b68ae38180b838e47fcb96c6a2" class="notion-header-anchor"></div><a class="notion-hash-link" href="#41a343b68ae38180b838e47fcb96c6a2" title="细节建模：去噪、文档结构与垂直视觉"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">细节建模：去噪、文档结构与垂直视觉</span></span></h4><ul class="notion-list notion-list-disc notion-block-41a343b68ae381b2930bc253aa3f937f"><li>Proactive Dimension-Adaptive Denoising — 网易 为图协同过滤做维度自适应去噪，Recall@5 较 DAR 提升 12.33%/17.95%/5.63%。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae381098d28f918e902f678"><li>DAGRI 多模态农业文档 — 上海人工智能实验室、复旦大学、中科院计算所 在 TableIE、MTMH-QA、FiT-QA 三子任务评测，TableIE exact match 0.6566 排名第一。</li></ul><ul class="notion-list notion-list-disc notion-block-41a343b68ae3818b9560ce805e262b7f"><li>CAppleNet — Apple 用坐标注意力改进 YOLO11 做苹果果梗腔与花萼检测，mAP@0.5 0.935、果梗腔 F1 0.8217。</li></ul><hr class="notion-hr notion-block-41a343b68ae38153a932e7b7919d197f"/><div class="notion-text notion-block-41a343b68ae381538a46c2ada92cb361"><em>本周报由 AI 汇总日报生成，解读观点仅供参考。</em></div></main></div>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[推荐算法日报 - 2026-11-13]]></title>
            <link>https://www.bins-log.com/article/daily-report-2026-11-13</link>
            <guid>https://www.bins-log.com/article/daily-report-2026-11-13</guid>
            <pubDate>Fri, 13 Nov 2026 00:00:00 GMT</pubDate>
            <description><![CDATA[生成式推荐的「补洞期」：控制、可达性、粒度三线并进：TriGen 用 tail injection + RoPE 与 gating router 证明 trigger 引发的意图突变可以在 SID 解码前被工程化校准（六国线上 REV +3.27%、延迟约 10.5ms），ReSID 则把长尾问题从「模型不够好」改写为「beam search 保留策略 + partial SID matching]]></description>
            <content:encoded><![CDATA[<div id="notion-article" class="mx-auto overflow-hidden "><main class="notion light-mode notion-page notion-block-417343b68ae3812ab13bda5d902c1594"><div class="notion-viewport"></div><div class="notion-collection-page-properties"></div><h3 class="notion-h notion-h2 notion-h-indent-0 notion-block-417343b68ae38190a675eb0e28d78be4" data-id="417343b68ae38190a675eb0e28d78be4"><span><div id="417343b68ae38190a675eb0e28d78be4" class="notion-header-anchor"></div><a class="notion-hash-link" href="#417343b68ae38190a675eb0e28d78be4" title="一、📊 趋势分析"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">一、📊 趋势分析</span></span></h3><div class="notion-text notion-block-417343b68ae381b4b334ecc4bf6752d4"><b>🔥 生成式推荐的「补洞期」：控制、可达性、粒度三线并进</b>：TriGen 用 tail injection + RoPE 与 gating router 证明 trigger 引发的意图突变可以在 SID 解码前被工程化校准（六国线上 REV +3.27%、延迟约 10.5ms），ReSID 则把长尾问题从「模型不够好」改写为「beam search 保留策略 + partial SID matching 的可达性工程」，两篇都在现有 SID 空间做增量改造而非更换范式。与此同时 From Tokens to Behaviors 把生成单元从 token 上移到行为轨迹、KuaiRecV2 用按天持续训练暴露 RL-only 在 Day21 物品池变化后骤降——四篇合起来看，主战场已从「架构能不能 work」转向「上线后控不控得住、长尾够不够得着、连续训练忘不忘得掉」。</div><div class="notion-text notion-block-417343b68ae381db9462f064eb10a596"><b>💡 检索栈开始「带界交付」：最优性差距与预算旋钮取代平均指标</b>：CaST 把风险约束下的提前终止求解为 order polytope 上的线性规划，在风险 0.03–0.10 下给出至多 1.132× 类最优的代价上界；HyperPage 用日志重放为布局定价，并给出 B 倍最优界与 per-incidence 拉格朗日界（1M 上每 group 543.2–974.4 次读）——两篇都不再满足于「比 baseline 快」。LAAM 在 narrative 查询上以 3.3% 能耗拿到 DeepSeek 全量重排 87% 的 P@10、CURATOR 在 token 预算下做联合证据选择，进一步把「预算」从实验设置抬成系统的一等接口。判断：效率类论文若只报平均时延与召回、不给可证明的界或可调旋钮，会越来越难被工业界采信。</div><div class="notion-text notion-block-417343b68ae381e7a648eef66f7a5d80"><b>🔥 评测即贡献：排序反转、遗忘曲线与有界负结果成为一等证据</b>：When Both Sides Adapt 用一个「两模型首轮成功率同为 90%、两轮汇总却 86.65% vs 81.1%」的解析例子证明离线 benchmark 与线上 A/B 可以给出相反排序，KuaiRecV2 把「灾难性遗忘」变成跨天保留率曲线，SignalAudit-QD 则把宏观 MAE +0.0012 连同条件 95% moving-block 区间 [-0.0363, +0.0387] 一起发表。再叠加 RMIT-ADM+S 公开的 14 个结构因素消融目录、GA-HEL 冻结的 Pilot 200 / Expansion 497 评测资源与零层级违规校验，社区正在奖励「把评估对象本身做成可复现资产」的工作。Anonymous in Name Only 在真实 EEA 数据上量出爱尔兰窗口 17.91% 查询唯一，更是提醒：连「数据是否匿名」这类基础假设也需要实证而非声明。</div><h3 class="notion-h notion-h2 notion-h-indent-0 notion-block-417343b68ae381d9bdd8c501eba9bd26" data-id="417343b68ae381d9bdd8c501eba9bd26"><span><div id="417343b68ae381d9bdd8c501eba9bd26" class="notion-header-anchor"></div><a class="notion-hash-link" href="#417343b68ae381d9bdd8c501eba9bd26" title="二、📋 今日速览"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">二、📋 今日速览</span></span></h3><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-417343b68ae38192ab5bcc5a462d2f3b" data-id="417343b68ae38192ab5bcc5a462d2f3b"><span><div id="417343b68ae38192ab5bcc5a462d2f3b" class="notion-header-anchor"></div><a class="notion-hash-link" href="#417343b68ae38192ab5bcc5a462d2f3b" title="▍工业界（3 篇）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">▍工业界（3 篇）</span></span></h4><table class="notion-simple-table notion-block-417343b68ae3811bbd6cc1f94336dc14"><tbody><tr class="notion-simple-table-row notion-simple-table-header-row notion-block-417343b68ae381ee9affd250dfdc294c"><td class="" style="width:120px"><div class="notion-simple-table-cell">方法</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">机构</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">关键结果</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">证据</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">部署</div></td></tr><tr class="notion-simple-table-row notion-block-417343b68ae381a3a219f6ea0681a922"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.16395" target="_blank" rel="noopener noreferrer">TriGen</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">阿里巴巴</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">首个 TIR 生成式框架 TriGen，线上流量加权收入 +3.27%、GMV +0.90%</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">A</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">全量</div></td></tr><tr class="notion-simple-table-row notion-block-417343b68ae381409612caeed883bf61"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.17239" target="_blank" rel="noopener noreferrer">When Both Sides Adapt</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">—</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">揭示离线与线上评估估计量不同，用户自适应可致排序反转（81.1% vs 86.65%）</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">A/B</div></td></tr><tr class="notion-simple-table-row notion-block-417343b68ae381d5bd06d691a55005ad"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.16404" target="_blank" rel="noopener noreferrer">ReSID</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">—</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">提出 ReSID，联合保留与恢复长尾候选，长尾检索达 SOTA、延迟更低吞吐更高</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">全量</div></td></tr></tbody></table><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-417343b68ae381e28589d5bc7cdfe3e0" data-id="417343b68ae381e28589d5bc7cdfe3e0"><span><div id="417343b68ae381e28589d5bc7cdfe3e0" class="notion-header-anchor"></div><a class="notion-hash-link" href="#417343b68ae381e28589d5bc7cdfe3e0" title="▍学术界（15 篇）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">▍学术界（15 篇）</span></span></h4><table class="notion-simple-table notion-block-417343b68ae3815684f6c47a1d68a90d"><tbody><tr class="notion-simple-table-row notion-simple-table-header-row notion-block-417343b68ae381d0ad1ceb52290b2322"><td class="" style="width:120px"><div class="notion-simple-table-cell">方法</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">机构</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">关键结果</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">证据</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">部署</div></td></tr><tr class="notion-simple-table-row notion-block-417343b68ae38116aa57e95977693b8f"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.16795" target="_blank" rel="noopener noreferrer">KuaiRecV2</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">快手</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">构建快手30天4.84亿交互持续学习基准，MiniOneRec HR@50达62.63</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">离线验证</div></td></tr><tr class="notion-simple-table-row notion-block-417343b68ae381f69089c2a122aa1968"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.16159" target="_blank" rel="noopener noreferrer">TraGR</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">快手</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">提出 TraGR：行为级并行 SID 生成+概率反馈+关系感知学习，四个公开数据集均超 11 个基线</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">离线验证</div></td></tr><tr class="notion-simple-table-row notion-block-417343b68ae3818189e4d296fa1cdc84"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.17070" target="_blank" rel="noopener noreferrer">NAVE（Neural Audio Version Embeddings）</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">Nowon AG</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">NAVE（256 维片段嵌入+DP 对齐）ASID DAP 0.903，超 Re-MOVE 约 12pp，优于 CLEWS</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">A</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">离线验证</div></td></tr><tr class="notion-simple-table-row notion-block-417343b68ae381c99c24c272181a8c14"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.16425" target="_blank" rel="noopener noreferrer">brief-hybrid（RMIT-ADM+S 提交的七个 research-agent runs 之一，其余为 sol-default、sol-research-first、brief-base、facets、facetrag、owa-glm5）</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">皇家墨尔本理工大学、昆士兰大学</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">七个 RAG 代理参赛，brief-hybrid 覆盖最高 0.892，开源模型成本仅约 1/5</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">未部署</div></td></tr><tr class="notion-simple-table-row notion-block-417343b68ae3819381e5c5ae06e307a2"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.17012" target="_blank" rel="noopener noreferrer">Anonymous in Name Only</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">Department of Computer Science and Mathematics</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">审查 EC 搜索数据匿名化措施，真实数据实证重识别，6 个月窗口约 44% 记录唯一。</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">离线验证</div></td></tr><tr class="notion-simple-table-row notion-block-417343b68ae3813ebe76dbec4a130781"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.17030" target="_blank" rel="noopener noreferrer">EGIM（Embedding-Gated Iterative Merge）</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">赫瑞-瓦特大学、意法半导体</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">提出 EGIM 混合精炼法，LLM 拒绝 83% 高相似候选，合并主题判别性提升 25–55%</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">离线验证</div></td></tr><tr class="notion-simple-table-row notion-block-417343b68ae3816697f5f503c0461000"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.17226" target="_blank" rel="noopener noreferrer">Sheaf</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">亚马逊</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">LightGCN 上加 sheaf 启发式结构化评分层，NDCG@20 小幅提升、覆盖率差异更大</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">离线验证</div></td></tr><tr class="notion-simple-table-row notion-block-417343b68ae3817bbf5ecdd8965ad088"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.16488" target="_blank" rel="noopener noreferrer">LAAM（LLM Active Approximation Model）</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">巴伊兰大学</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">提出 LAAM 以主动学习近似 LLM 排序，长查询以 3.3% 能耗达 DeepSeek P@10 的 87%</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">未部署</div></td></tr><tr class="notion-simple-table-row notion-block-417343b68ae381658d7ef80016942ac4"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.16947" target="_blank" rel="noopener noreferrer">SignalAudit-QD</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">—</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">发布可复现审计资源，检验专利信号对 AI 查询预测的增量，MAE 变化 +0.0012 且区间跨 0</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">未部署</div></td></tr><tr class="notion-simple-table-row notion-block-417343b68ae3810fa17ffa5161ed388d"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.16148" target="_blank" rel="noopener noreferrer">CaST（Calibrated Staircase）</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">复旦大学、新加坡管理大学</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">提出 CaST，用单调阶梯链+定序校准受限向量搜索的提前终止，代价≤类最优 1.132×</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">未部署</div></td></tr><tr class="notion-simple-table-row notion-block-417343b68ae381c2a237d4d6f44b6b36"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.16149" target="_blank" rel="noopener noreferrer">HyperPage</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">复旦大学、新加坡管理大学</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">用 agent 搜索日志学 DiskANN 页面布局，比 MARGO 少读 5.2%–21.2% 页面。</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">未部署</div></td></tr><tr class="notion-simple-table-row notion-block-417343b68ae381b49437f00cb5d2678e"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.16450" target="_blank" rel="noopener noreferrer">A Recipe for Physical Action Model Train</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">—</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">以条件分布目标统一机器人训练决策，PushT 上信息设计准则降低 4.5-6.2%</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">未部署</div></td></tr><tr class="notion-simple-table-row notion-block-417343b68ae381e4bfb6f0f7bcf85812"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.16194" target="_blank" rel="noopener noreferrer">GA-HEL（含 GA-HEL-G 与 GA-HEL-S 两个参考解码器）</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">东北石油大学、黑龙江省石油大数据与智能分析重点实验室、同济大学</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">提出 GA-HEL 做开放集层级事件链接，Expansion HEM 0.4427 持平全卡片</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">未部署</div></td></tr><tr class="notion-simple-table-row notion-block-417343b68ae38175a8c8da22e0ae9768"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.16366" target="_blank" rel="noopener noreferrer">CURATOR</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">亚马逊</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">微调联合决策模型做预算内细粒度证据选择，QAMPARI 证据召回提升 25.8%</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">未部署</div></td></tr><tr class="notion-simple-table-row notion-block-417343b68ae38128a57ec79edc2f2080"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.16678" target="_blank" rel="noopener noreferrer">EG-RL（Edge-Gradient Reinforced Learning）</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">—</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">显式编码边生灭事件并用强化学习选边快照做时序链接预测，AUROC/AP 显著提升</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">未部署</div></td></tr></tbody></table><h3 class="notion-h notion-h2 notion-h-indent-0 notion-block-417343b68ae381bf8bd4e6c2f0b8903c" data-id="417343b68ae381bf8bd4e6c2f0b8903c"><span><div id="417343b68ae381bf8bd4e6c2f0b8903c" class="notion-header-anchor"></div><a class="notion-hash-link" href="#417343b68ae381bf8bd4e6c2f0b8903c" title="三、🎯 今日主题"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">三、🎯 今日主题</span></span></h3><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-417343b68ae38133b25fd3baeb864d3c" data-id="417343b68ae38133b25fd3baeb864d3c"><span><div id="417343b68ae38133b25fd3baeb864d3c" class="notion-header-anchor"></div><a class="notion-hash-link" href="#417343b68ae38133b25fd3baeb864d3c" title="生成式推荐的下半场：控制、可达性与生成粒度"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">生成式推荐的下半场：控制、可达性与生成粒度</span></span></h4><div class="notion-text notion-block-417343b68ae381f88bc0cf1697000a6a"><b>问题背景。</b> SID 自回归生成已经跨过「能否生成」的门槛，但真实流量与动态物品池让控制、长尾与生命周期三本账同时到期。</div><ul class="notion-list notion-list-disc notion-block-417343b68ae381238c62c86507e24a47"><li>意图突变无法建模：现有生成式推荐默认 User-Induced、行为连续，而点击 trigger 引发的即时意图突变超出该假设，DIHN/DIAN/DEI2N 等判别式 TIR 方法只输出标量，无法指导逐 token 生成（TriGen）。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae3816d8616ed1e735e57ad"><li>长尾不可达：SID 序列生成在长尾分布与紧服务预算下召不回，beam search 一旦剪掉所有可补全的前缀，部分匹配恢复路径就被直接切断（ReSID）。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae38195b52fccf1fcfe59cc"><li>评测与线上脱节：简单离线评测与线上复杂结果严重不一致，动态物品池下灾难性遗忘、token 级多样性差、多任务难控（KuaiRecV2）。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae3819aa946c1fd661f62eb"><li>训练–推理错配：串行 SID 解码把交互内 token 生成与交互间行为转移耦合，rollout 丢弃预测不确定性，teacher-forcing 只学续写观测前缀（From Tokens to Behaviors）。</li></ul><div class="notion-text notion-block-417343b68ae38167b7c0edcd218a712e"><b>代表方案对比。</b> 四篇论文分别从控制、可达性、评测与粒度四个切口拆解同一套 SID 范式，恰好覆盖工业部署与学术基准两端。</div><ul class="notion-list notion-list-disc notion-block-417343b68ae3815cb9bec2b0fcc2b795"><li><b>TriGen</b>（阿里巴巴）：切口是 trigger 触发的即时意图突变；做法是编码端 tail injection + RoPE 做强度校准、表示端 gating router 凸组合 trigger/history 双路径、解码端位置特定 Trigger-PFFN 逐解码步引导；结果工业集 R@5 5.58 / R@10 15.50，高于 GR+trigger append（4.35/12.15）与 TIGER（2.39/7.53），六国线上 A/B REV +3.27%、GMV +0.90%、推理延迟约 10.5ms，已全量上线。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae38152ae5eec1cba8f6801"><li><b>ReSID</b>：切口是长尾物品可达性；做法是 popularity-debiased、user-semantic-aware 的 beam search 保留可补全路径，再对存活 token 做 partial SID matching、在固定 mismatch tolerance 内恢复长尾候选；结果长尾检索 SOTA、整体准确率有竞争力、窄 beam 下延迟更低并已服务主要流量，但未披露可核验的 CTR/eCPM 数字。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae38112a7e5e226f5343738"><li><b>KuaiRecV2</b>（快手）：切口是评测与持续学习；做法是 124k 用户、2489 万物品、4.84 亿交互、30 天的工业数据集，配按天续训、跨天历史上下文与 7 天滑动窗口动态候选池，统一检索精度、token/物品多级多样性与多任务指标；结果 MiniOneRec NDCG@50 19.22×10⁻³、HR@50 62.63 优于 TIGER-Small（12.90/41.07）与 SASRec（1.92/6.61），并实证 RL-only 在 Day21 物品池变化后骤降。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381e994cad02a1a21427b"><li><b>From Tokens to Behaviors</b>（快手）：切口是生成粒度；做法是 OPQ tokenization + 并行 SID 预测、循环行为状态、含备选项的概率反馈与关系感知轨迹学习（位置准确率奖励 + 协同转移信号 + KL 正则）；结果四个公开数据集上各预测步长一致优于 11 个竞争基线，但无线上或工业验证，Stage II 的采样与冻结参考前向带来明显训练开销。</li></ul><div class="notion-text notion-block-417343b68ae3815697bedd46bef74706"><b>核心差异。</b> 四条路线沿「生成单元」与「控制发生在哪一层」两条轴线分道扬镳。</div><ul class="notion-list notion-list-disc notion-block-417343b68ae38148ba22ee849dc0b0cd"><li>生成单元：TriGen 与 ReSID 仍工作在 SID token 空间——前者在解码前注入 trigger 控制，后者在解码后从失败序列的残留信息中恢复；From Tokens to Behaviors 直接把生成单元上移到行为轨迹；KuaiRecV2 不生成，转而提供度量。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381c4b9c6ce1f2bbe7093"><li>控制位置：TriGen 把控制分散在编码（强度校准）、表示（门控）、解码（逐级引导）三处，ReSID 放在搜索保留与匹配，From Tokens to Behaviors 放进轨迹级训练奖励——分别对应表示约束、搜索约束、目标约束三种哲学。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae3811191cae8a3c2a216b5"><li>证据形态也分两层：TriGen 与 ReSID 是工业系统论文（线上 A/B 或生产流量），KuaiRecV2 与 From Tokens to Behaviors 是离线研究且主动暴露局限；两篇快手论文恰好互补——一篇论证离线评测不可信、必须按天持续评，另一篇的方法本身只有离线验证。</li></ul><div class="notion-text notion-block-417343b68ae38133b398c8955afe1f66"><b>趋势判断。</b> 生成式推荐正从「换解码器」转向「补生命周期的洞」：短期靠工程增量兑现线上收益，中期看生成粒度能否上移。</div><ul class="notion-list notion-list-disc notion-block-417343b68ae3812db4f4c5066d959905"><li>SID 空间内的局部改造仍然划算：TriGen 以约 10.5ms 延迟换 REV +3.27%，ReSID 靠窄 beam 提吞吐，说明落地路径是工程约束下的增量修补，而非推倒重来。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae3816795d3e920503eab0d"><li>评测将升为一等公民：KuaiRecV2 把遗忘变成跨天保留率曲线后，未来的 SOTA 声明若不含持续学习曲线，可信度会被打折。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381ce89c4d6a8605edbb7"><li>粒度上移是中期变量：From Tokens to Behaviors 的行为级轨迹与概率反馈若能在工业数据上复现，会动摇 SID 串行解码的默认假设；但在那之前，训练开销与线上证据缺口是硬门槛。</li></ul><h3 class="notion-h notion-h2 notion-h-indent-0 notion-block-417343b68ae381e6a471ed498d29fc88" data-id="417343b68ae381e6a471ed498d29fc88"><span><div id="417343b68ae381e6a471ed498d29fc88" class="notion-header-anchor"></div><a class="notion-hash-link" href="#417343b68ae381e6a471ed498d29fc88" title="四、📰 逐篇解读"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">四、📰 逐篇解读</span></span></h3><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-417343b68ae381cbb496d65d2881c33e" data-id="417343b68ae381cbb496d65d2881c33e"><span><div id="417343b68ae381cbb496d65d2881c33e" class="notion-header-anchor"></div><a class="notion-hash-link" href="#417343b68ae381cbb496d65d2881c33e" title="1. TriGen: A Generative Paradigm for Trigger-Induced Recommendation（阿里巴巴）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">1. TriGen: A Generative Paradigm for Trigger-Induced Recommendation（阿里巴巴）</span></span></h4><ul class="notion-list notion-list-disc notion-block-417343b68ae381a9a097c19cb5849da4"><li><b>场景</b>：电商推荐。用户点击商品后进入由 trigger 触发的关联信息流，部署在商品详情页 feed。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae3818897d8de011d2ad998"><li><b>线上效果</b>：六国流量加权线上 A/B（2026-06-28 至 07-02，约 5 天）：REV +3.27%、GMV +0.90%，分国 REV 提升 +1.64%~+8.16%、GMV 最高 +20.54%，推理延迟约 10.5ms，已全量上线。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae3812799d5e016e5013f9f"><li><b>问题</b>：现有生成式推荐都按 User-Induced 设定、预设行为连续，无法处理点击 trigger 引发的即时意图突变；而 DIHN/DIAN/DEI2N 等 TIR 方法都是判别式 CTR 打分，只输出标量或静态表示，无法指导逐 token 自回归生成。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381b28bf2cce9fd9efc7f"><li><b>动机</b>：点击 trigger 主要调制近期且相关的局部行为，并非均匀重塑全部历史；持续偏好与即时冲动的权重随请求动态变化，且 SID 由粗到细逐层展开，因此需在编码、表示、解码三处分别做强度校准、动态门控与位置感知引导。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381808ba1d6d430134209"><li><b>贡献</b>：① 首个系统研究 TIR 场景的生成式推荐，提出偏好连续性约束下意图控制的自回归生成范式。② 提出 TriGen，包含 tail injection + RoPE 的强度校准局部重编码、gating router 的自适应双路径融合、位置特定的 Trigger-PFFN 逐解码步引导。③ 工业集 R@5 5.58 / R@10 15.50，高于 GR+trigger append（4.35/12.15）与 TIGER（2.39/7.53），Amazon R@5 10.83 高于 LC-Rec 10.20，并完成六国线上 A/B 与全量上线。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae3813a93c2d8ff881f9624"><li><b>做法</b>：编码端把 trigger 表示重复 N 次置于历史尾部，借 RoPE 相对位置调节其在 self-attention 中的干预强度；表示端用 step-specific trigger query 与可学习 default query 分别取注意力得到 trigger 路径 T 与 history 路径 H，拼接后经 router MLP + sigmoid 生成逐步门控，凸组合 cₗ = wₗ·tₗ + (1−wₗ)·hₗ；解码端每级独立 MLP_l 把 cₗ 加到右移 decoder 输入（含 BOS），再经 causal self-attention 与 cross-attention 逐 token 生成 SID。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae38154acb8ec4680e12b72"><li><b>局限</b>：公开基准的 trigger 为人工模拟而非原生 TIR 标注，线上实验仅覆盖六国约 5 天。 <a class="notion-link" href="https://arxiv.org/abs/2611.16395" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-417343b68ae381b19fa6de327b21e371" data-id="417343b68ae381b19fa6de327b21e371"><span><div id="417343b68ae381b19fa6de327b21e371" class="notion-header-anchor"></div><a class="notion-hash-link" href="#417343b68ae381b19fa6de327b21e371" title="2. KuaiRecV2: Benchmarking Large-Scale Continual Learning for Diversified and Multi-task Recommendation（Kuaishou）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">2. KuaiRecV2: Benchmarking Large-Scale Continual Learning for Diversified and Multi-task Recommendation（Kuaishou）</span></span></h4><ul class="notion-list notion-list-disc notion-block-417343b68ae381b8b623da9d2a062af2"><li><b>场景</b>：短视频推荐。快手平台的生成式推荐与持续学习评测基准。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381a4bf0cd86c47de46ae"><li><b>线上效果</b>：无线上 A/B，仅离线：KuaiRecV2-Small 上 MiniOneRec NDCG@50 为 19.22×10⁻³、HR@50 62.63，优于 TIGER-Small（12.90/41.07）与 SASRec（1.92/6.61）。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae3817eb0cafa06561628c3"><li><b>问题</b>：现有简单离线评测与线上复杂结果严重不一致，已有基准（KuaiRec/FORGE/MUSE）规模小且只覆盖单一维度；生成式推荐在动态物品池下存在灾难性遗忘、token 级多样性差、多任务难控制。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae38154bfe4cf3945eff6a0"><li><b>动机</b>：应在贴近工业的动态内容池与按天持续学习环境中统一评测检索精度、多级多样性与多任务表现；作者认为只有所有指标同时提升才算有效进步。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae38172a89cd47d40acad6a"><li><b>贡献</b>：① 构建 KuaiRecV2-FullMonth（124k 用户、2489 万物品、4.84 亿交互、30 天）与 KuaiRecV2-Small 工业级数据集，含多模态 embedding 与 8 级 semantic ID。② 提出按天持续训练、跨天历史上下文与 7 天滑动窗口动态候选池的长期推荐管线，并设在线 leaderboard。③ 建立检索精度、token 与物品多级多样性、多任务指标统一的增强评测协议。④ 实证暴露生成式推荐的遗忘、长期不稳定、多样性瓶颈与多任务权衡，例如 RL-only 在 Day21 物品池变化后骤降。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae3813baa1dd46e3d3876c8"><li><b>做法</b>：数据取自快手，经 n-core（n=100）过滤并保留近 7 天创建物品构成 FIFO 动态池；管线按天用 θ(t−1) 初始化并在 D_t 续训，跨天拼接历史（L_min/L_max 控制），日度 leave-one-out 评测、实例加权聚合 FullMonth 分数，并做 Day-k-to-Day-1 回测保留率。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae3812baa67f3d765a8fd5b"><li><b>局限</b>：仅离线基准，未给出线上验证，论文称局限见附录 B、正文未展开。 <a class="notion-link" href="https://arxiv.org/abs/2611.16795" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-417343b68ae381158af6ecb89a60fd52" data-id="417343b68ae381158af6ecb89a60fd52"><span><div id="417343b68ae381158af6ecb89a60fd52" class="notion-header-anchor"></div><a class="notion-hash-link" href="#417343b68ae381158af6ecb89a60fd52" title="3. From Tokens to Behaviors: Rethinking Generative Recommendation for User Trajectory Prediction（快手）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">3. From Tokens to Behaviors: Rethinking Generative Recommendation for User Trajectory Prediction（快手）</span></span></h4><ul class="notion-list notion-list-disc notion-block-417343b68ae381288812d8da778ace23"><li><b>场景</b>：学术，无业务场景；生成式推荐下的用户行为轨迹预测（UBTP）。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381219728f43e789aee05"><li><b>线上效果</b>：无线上 A/B，仅离线：Beauty、Cell Phones &amp; Accessories、ML-1M、Last-FM 四个公开数据集上各预测步长一致优于 11 个竞争基线，具体数值在提供的材料中被截断，主指标为 MHR@M 与 MNDCG@M。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae3814a8f1ccff960e699f5"><li><b>问题</b>：串行 SID 解码把交互内 token 生成与交互间行为转移耦合，每个交互需多步依赖解码；自回归 rollout 只传选中物品、丢弃预测不确定性；teacher-forced 训练只学续写观测前缀，与推理时续写自身预测存在训练–推理差距。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae3812ab64bd23415c2abb8"><li><b>动机</b>：生成、反馈、学习都应对齐「连续用户行为」这一粒度：交互内 SID 可并行预测，交互间用循环状态显式建模转移；把当前预测分布（含备选项）带入下一步更新，并在自生成轨迹上直接优化轨迹级目标。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381fab90debc7dc8708d0"><li><b>贡献</b>：① 行为级轨迹生成：用 OPQ tokenization + 并行 SID 预测搭配循环行为状态更新，联合 SID 与 item 级监督。② 概率反馈：将选中物品嵌入与按预测概率和相似度加权的候选摘要融合，更新行为状态供下一步使用。③ 关系感知轨迹学习：在模型自生成前缀上结合当前位置准确率奖励、跨用户协同转移信号与后期信用分配，并加 KL 正则。④ 在四个公开数据集上不同预测步长均优于竞争基线。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae38173ae55e2fb7249a917"><li><b>做法</b>：因果 Transformer 编码历史初始化状态，每步 L 个并行残差 SID 头共享循环状态，按温度 τ_sid 与 τ_item 组合出全目录 item 分布；反馈向量由选中物品嵌入与概率加权候选摘要按 η 插值得到，经残差转移头更新状态；Stage II 从当前策略采样轨迹，以协同转移频率构造奖励，用含后续期望的代理损失加 stop-gradient baseline 优化，并对冻结参考模型做 KL 约束。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae3812ebc73f9f7b6d31f16"><li><b>局限</b>：仅四个公开数据集离线评测，无线上或工业验证；Stage II 需采样、可微重放与完整冻结参考前向，训练开销明显增加。 <a class="notion-link" href="https://arxiv.org/abs/2611.16159" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-417343b68ae3813b84cdef93c8877eaa" data-id="417343b68ae3813b84cdef93c8877eaa"><span><div id="417343b68ae3813b84cdef93c8877eaa" class="notion-header-anchor"></div><a class="notion-hash-link" href="#417343b68ae3813b84cdef93c8877eaa" title="4. Evaluation of Music Version Retrieval Methods for Setlist Identification in Live Concerts（Nowon AG）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">4. Evaluation of Music Version Retrieval Methods for Setlist Identification in Live Concerts（Nowon AG）</span></span></h4><ul class="notion-list notion-list-disc notion-block-417343b68ae381ccaa5cd8ee7cdeff67"><li><b>场景</b>：召回。演唱会现场录音对曲库的版本检索，用于 setlist 识别与版权监测。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381e38c9bf5913d87020b"><li><b>线上效果</b>：无线上 A/B，仅离线：重建 ASID 上 NAVE recognition DAP 0.903 / DLP 0.697、pooled DAP 0.910 / DLP 0.705，高于 CLEWS 的 0.903/0.689 与 Re-MOVE 复现的 0.779/0.573。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae3813f8e83e72d89b1351e"><li><b>问题</b>：现有 VI 系统只在曲目级 cover-song 基准验证，Re-MOVE 还把整段 120s 窗口池化为单一 256 维向量、丢失细粒度时序匹配；面向 1–3 小时嘈杂演唱会、百万级曲库的连续 setlist 识别缺乏验证。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae3811baaddd86321c844a2"><li><b>动机</b>：CQT 频谱加约 20s 片段级 shingle 嵌入能保留更丰富的音色与频谱信息，时序对齐对部分重合和编曲变化更鲁棒，且 256 维可在不损失 DAP 的情况下把嵌入存储降到 CLEWS 的 1/4。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae3819dbe4fc47d69fed275"><li><b>贡献</b>：① 在重建的 ASID 基准上按统一协议对比 Re-MOVE、CLEWS 与内部 NAVE。② NAVE recognition 以 256 维达 0.903 DAP，比 Re-MOVE 高约 12pp，略优于 1024 维 CLEWS。③ 对比 recognition（DP 对齐）与 pooled 两种打分，显示 DP 对齐起隐式假阳性过滤作用（FP 280 对 346）。④ 评测四种 TVSM 门控策略，发现 conservative_gate 最优，并指出原 ASID 指标对歌曲边界精度不敏感。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381819f07eefb6debf5fa"><li><b>做法</b>：NAVE 对音频产生 L2 归一化的 256 维片段 shingle 嵌入序列；recognition 模式用 L2 距离加对角带动态规划对齐打分，pooled 模式对片段嵌入均值池化后算余弦；ASID 协议为 120s 窗口、30s 步长滑窗，与全库打分取 top-1 后做时序后处理合并重叠检测。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae38158a501f6eb4d044268"><li><b>局限</b>：数据集规模有限、3 场演唱会音频缺失，且未为 CLEWS/NAVE 训练 SVM；约 0.90 DAP 下指标趋饱和，原指标难刻画边界精度。 <a class="notion-link" href="https://arxiv.org/abs/2611.17070" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-417343b68ae381859781d049014acc83" data-id="417343b68ae381859781d049014acc83"><span><div id="417343b68ae381859781d049014acc83" class="notion-header-anchor"></div><a class="notion-hash-link" href="#417343b68ae381859781d049014acc83" title="5. When Both Sides Adapt: The Challenges of Evaluating Interactive LLM Systems"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">5. When Both Sides Adapt: The Challenges of Evaluating Interactive LLM Systems</span></span></h4><ul class="notion-list notion-list-disc notion-block-417343b68ae381c6afa5f909b142e455"><li><b>场景</b>：学术，无业务场景；交互式 LLM 系统的评估方法论。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381a4a1a8d4f00bb23355"><li><b>线上效果</b>：无线上 A/B，也无真实离线数据集，仅有解析示例：两模型首轮成功率同为 90%，但两轮汇总成功率 M0 86.65% 对 M1 81.1%，出现排序反转。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381d280abcc8d8e43ae2c"><li><b>问题</b>：现有评估把离线基准与线上 A/B 测试当作可互换的模型比较手段，默认 prompt 分布不受模型影响；但用户会观察回复后调整后续 prompt，模型因此内生地改变自身被评估的分布，两种方法的标准 difference-in-means 收敛到不同目标，可能给出相反的排序与部署建议。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae3812da509d88ff22879e4"><li><b>动机</b>：用户与 LLM 是双向自适应的，用户根据输出改变 prompt 策略、任务类型与难度，模型又响应用户输入，形成反馈回路；固定 prompt 分布会忽略这种内生性，因此需要形式化各评估方法究竟估计什么，以及离线评估何时足以复现线上实验的决策。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae38138aa3de464cbe5cea2"><li><b>贡献</b>：① 定义 common-distribution effect 与 induced-distribution effect 两类估计量。② 证明离线基准/用户模拟的 difference-in-means 收敛到前者、线上 A/B 收敛到后者，二者即使大样本也可能不一致。③ 将 induced effect 分解为 common effect 加分布漂移项，刻画排序反转并给出排序一致的充分条件，转化为实验前筛查启发式。④ 在风格化线性模型中发现用户自适应会放大估计方差：γP·γM 小于 1 时按 1/T 下降、等于 1 时随 T 线性增长、大于 1 时指数增长，并统一解释 reward hacking、novelty effect 等难题。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381949fa5e9f1287109ca"><li><b>做法</b>：构建用户–LLM 随机交互框架，用用户响应核与模型响应核在单轮 Markov 依赖假设下诱导每轮 prompt 分布及长期分布；以 difference-in-means 分别刻画 benchmark、user simulation、A/B test 三种评估，通过效应分解与充分条件分析排序一致性。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381779872c870f739ffa9"><li><b>局限</b>：结论依赖 Markov 单轮依赖等强假设与风格化线性模型，缺少实证验证，并假设用户之间相互独立。 <a class="notion-link" href="https://arxiv.org/abs/2611.17239" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-417343b68ae381939a97fa82f1fc84a2" data-id="417343b68ae381939a97fa82f1fc84a2"><span><div id="417343b68ae381939a97fa82f1fc84a2" class="notion-header-anchor"></div><a class="notion-hash-link" href="#417343b68ae381939a97fa82f1fc84a2" title="6. ReSID: Rethinking Long-Tail Retrieval in Generative Recommendation through Item Reachability"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">6. ReSID: Rethinking Long-Tail Retrieval in Generative Recommendation through Item Reachability</span></span></h4><ul class="notion-list notion-list-disc notion-block-417343b68ae381f2a960f313dce06347"><li><b>场景</b>：生成式推荐的召回阶段，聚焦长尾物品检索。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae38163ac56d8022896a182"><li><b>线上效果</b>：已在生产系统服务主要流量，并称取得显著业务收益；但摘要未披露 CTR/eCPM 等具体指标，不构成可核验的 A/B 数字。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae3812bb5d3f20cd17a42f4"><li><b>问题</b>：现有生成式推荐用 SID 序列生成做召回，在交互分布长尾和紧服务预算下难以召回长尾物品；sequential SID 构造尾部表现更差，且 beam search 一旦剪掉所有在固定 mismatch tolerance 内可补全的前缀，部分匹配恢复就会失效。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381449244cba3d414e7fa"><li><b>动机</b>：等码长下 parallel SID 在尾部持续优于 sequential SID，且完整生成失败时解码序列仍携带局部一致信息，可用部分匹配找回长尾；但恢复上限由上游搜索保留决定，因此必须同时改造保留与恢复。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae38148bf0afdfd1824993b"><li><b>贡献</b>：① 首次系统研究 SID 构造、解码与匹配全流程的长尾可达性。② 发现等码长下 parallel SID 在尾部优于 sequential SID，并证明部分匹配可从未成功解码的残留序列中恢复长尾物品。③ 提出 ReSID，把 popularity-debiased、user-semantic-aware 的 beam search 与 partial SID matching 结合。④ 长尾检索达 SOTA，整体准确率有竞争力，窄 beam 下延迟更低、吞吐更高并已上线。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381578b09d7f517c7587f"><li><b>做法</b>：以长 parallel SID 为基础，用 popularity-debiased 与 user-semantic-aware 的 beam search 保留可补全的有希望路径，再对存活 token 做 partial SID matching，在固定 mismatch tolerance 内恢复长尾候选。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381e3a20aed9066c74b1e"><li><b>局限</b>：部分匹配仍受上游 beam search 剪枝约束，且摘要未给出量化结果，长尾收益的绝对幅度无法核验。 <a class="notion-link" href="https://arxiv.org/abs/2611.16404" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-417343b68ae38176a584cba9870b9b34" data-id="417343b68ae38176a584cba9870b9b34"><span><div id="417343b68ae38176a584cba9870b9b34" class="notion-header-anchor"></div><a class="notion-hash-link" href="#417343b68ae38176a584cba9870b9b34" title="7. RMIT-ADM+S at TREC RAG 2026: Research Agents, Retriever Ablations, and Open-Weight Replication（皇家墨尔本理工大学、昆士兰大学）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">7. RMIT-ADM+S at TREC RAG 2026: Research Agents, Retriever Ablations, and Open-Weight Replication（皇家墨尔本理工大学、昆士兰大学）</span></span></h4><ul class="notion-list notion-list-disc notion-block-417343b68ae381f8b513c857d5526c7e"><li><b>场景</b>：学术 benchmark 场景，TREC 2026 RAG track，在 ClimbMix-400B-shuffle 上生成带引用的报告。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae38173bac2fa1b90c8fc82"><li><b>线上效果</b>：无线上 A/B，仅离线：官方 NIST 评估中 6/7 runs 在三批均超 track median，brief-hybrid 与 sol-research-first 并列 Batch-1 vital_strict 最高 0.892，另有人类 SxS Bradley–Terry 评估。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381cebd30fa933f7bb5bd"><li><b>问题</b>：RAG 的检索、生成、curation 与评估选择相互耦合，缺少对各 structural factor 及 writer/helper 模型的系统对比，难以判断复杂 agent 编排与专有模型是否值得其算力与金钱成本。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381d7bf26f340f96a5df3"><li><b>动机</b>：组件交互耦合，应逐因素消融来量化各环节贡献；若开源模型能以低成本接近专有模型，research-agent 系统就可大幅降本，因此需同时比较 writer、检索与编排的质量和 token 成本。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381e28bc8f7f05e961142"><li><b>贡献</b>：① 提交七个 research-agent runs，公开 14 个结构因素与 writer/helper 选择的消融目录及代码。② 预提交 RAGDoll 消融表明 writer 选择影响最大（换 Luna/Terra 降 0.40），hybrid RRF 比 brief-base 少 14.4% 检索、8.2% token、8.5% 成本。③ 官方评估中 6/7 runs 超 track median，brief-hybrid 与 sol-research-first 并列 Batch-1 vital_strict 最高 0.892。④ 揭示 coverage 与人类偏好分歧：Batch-1 owa-glm5 的 BT 1212.8 显著胜 1062.7（13/17 主题，p=0.006），成本 0.524 美元 vs 2.823 美元。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381ea9b64d45ca3739ca6"><li><b>做法</b>：staged evidence 研究 agent 让检索块仅存活一轮、用 commit_context 写入 evidence ledger；检索侧用 hybrid RRF（κ=60）融合 BM25 与微调的 256 维 jina-v5-nano 向量，top-5 结果自动扩展 ±1 相邻块。brief/scout/review 为独立 LLM 阶段，retriever 另用 agent 轨迹以 InfoNCE+LoRA 微调。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae3815895eecd4242006059"><li><b>局限</b>：结论受小主题集、自动 judge 敏感性和检索器在测试主题轨迹上微调的限制，nugget coverage 与人类偏好还可能给出相反排序。 <a class="notion-link" href="https://arxiv.org/abs/2611.16425" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-417343b68ae381e09f47f48218aa350e" data-id="417343b68ae381e09f47f48218aa350e"><span><div id="417343b68ae381e09f47f48218aa350e" class="notion-header-anchor"></div><a class="notion-hash-link" href="#417343b68ae381e09f47f48218aa350e" title="8. Anonymous in Name Only: A Critical Review and a Reidentification Exercise on the European Commission&#x27;s Anonymization Measures for Google Search Data under Article 6(11) of the DMA（Department of Computer Science and Mathematics, ComSCIAM-Center for Computational）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">8. Anonymous in Name Only: A Critical Review and a Reidentification Exercise on the European Commission&#x27;s Anonymization Measures for Google Search Data under Article 6(11) of the DMA（Department of Computer Science and Mathematics, ComSCIAM-Center for Computational）</span></span></h4><ul class="notion-list notion-list-disc notion-block-417343b68ae38111a87dfd1a76720cac"><li><b>场景</b>：搜索场景，审查 Google 搜索数据匿名化及依 DMA 第 6(11) 条向竞争搜索引擎共享。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae38176abf2e64dfdc1e3db"><li><b>线上效果</b>：无线上 A/B，仅离线实证：在 Alphabet 提供的真实 EEA 六个月数据上，爱尔兰窗口 17.91% 查询唯一、24.27% 记录唯一（不含时间戳）、43.82%（含时间戳），并完成多起重识别与记录链接。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381cab02ccb6d84f76a63"><li><b>问题</b>：EC 以实体出现≥50 人、查询长度 95% 分位、元数据≥1000 人等启发式阈值分别独立过滤查询与元数据，既不保证二者联合后不唯一，还明确否认查询文本是准标识符；自由文本中的姓名、地址、Eircode 可绕过 NER 与允许列表。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae38176b036fd9228131935"><li><b>动机</b>：Google 搜索在 EEA 近乎覆盖全体人口（份额约 89.69%），唯一记录几乎等同明确重识别；匿名化应基于 k-anonymity 等形式化隐私模型并满足 EDPB 无孤立、无链接、无推断标准，而非事后经验阈值。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381e8a854e670dbb613df"><li><b>贡献</b>：① 系统批判 EC 措施在残余风险界定、抑制阈值与合同保障上的概念缺陷。② 在真实 EEA 数据上量化残余唯一性，并展示低成本可自动化攻击。③ 完成重识别、记录链接与敏感属性推断案例。④ 论证措施不满足 EDPB 的三条匿名化标准，不应成为监管基准。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381918a56c8fcc643988d"><li><b>做法</b>：先梳理 DMA/GDPR/EDPB 法律标准与 k-anonymity 等隐私模型，逐条审查 EC 的技术与合同措施；再在 Alphabet 经 EC 处理后的六个月数据上按 1 天到 6 个月多窗口统计唯一性，用简单正则、关键词和元数据组合构造攻击，最后对照 EDPB 三标准评估。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381c98a93fa6238097b59"><li><b>局限</b>：属批判性审查与实证重识别，未提出并验证新的匿名化机制，实证也主要集中于爱尔兰与西班牙。 <a class="notion-link" href="https://arxiv.org/abs/2611.17012" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-417343b68ae3819fbf4ff6397d5af1c2" data-id="417343b68ae3819fbf4ff6397d5af1c2"><span><div id="417343b68ae3819fbf4ff6397d5af1c2" class="notion-header-anchor"></div><a class="notion-hash-link" href="#417343b68ae3819fbf4ff6397d5af1c2" title="9. Similar but Not Redundant: Embedding-Gated Refinement for High-Granularity Topic Models（赫瑞-瓦特大学、意法半导体）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">9. Similar but Not Redundant: Embedding-Gated Refinement for High-Granularity Topic Models（赫瑞-瓦特大学、意法半导体）</span></span></h4><ul class="notion-list notion-list-disc notion-block-417343b68ae381ed9c80fe0a3591ea29"><li><b>场景</b>：学术（无业务场景），高粒度主题建模与主题精炼。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae3817ebfe2cac15bd7e293"><li><b>线上效果</b>：无线上 A/B，仅离线：三个语料 18 个配置上 dispersion 18/18 全胜、discriminability 16/18 胜，合并主题判别性提升 +25%/+32%/+55%，代价是 LLM 调用 193.9 次 vs 66.2 次。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae3813ca7cad9b05e642291"><li><b>问题</b>：阈值法只用向量相似度合并，无法分辨真冗余与语义相近但确有区别的主题（0.893 相似度的两条法律原则实为不同法理）；LLM 引导法把候选选择与合并判断混在一起且见一个合一个，导致 semantic snowballing 把六个主题滚成一个 mega-topic。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381839e4bc32433bcc18e"><li><b>动机</b>：高粒度被当作 over-clustering 失败模式，其实混淆了两种主题，核心挑战应是区分二者而非一味压缩；把决策降为单对候选的二元判断，才能在 prompt 里放入双方向代表性文档，用语料证据而非标签语义裁决。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381319ab3d4ead93f9e69"><li><b>贡献</b>：① 提出 EGIM：嵌入相似度加 k-means 覆盖采样选候选对，LLM 基于代表性文档做 merge/keep 二元判断，按收敛终止，无需预设主题数。② 提出 topic dispersion 与 topic discriminability 两个高粒度诊断指标。③ 实测 3491 个高相似候选中 83% 被 LLM 判为非冗余，证明相似度阈值在高粒度下系统性把邻近误当重复。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae3815fbb63c842352217ae"><li><b>做法</b>：每轮重算嵌入，k-means 聚成 M=max(2,⌊K/s⌋) 组，每组取超过阈值 τ 的最高相似未审阅对，附双方表示与 MMR 采样的多样化代表文档交 LLM 判 Merge 或 Keep。Keep 对进缓存防重复审，Merge 后生成新表示并重新参与评估。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381639e98e2560917399b"><li><b>局限</b>：仅用单一嵌入模型与单一闭源 LLM（GPT-4o）、覆盖采样消融只跑一个配置、仅英文语料且模型版本不可复现，成本也偏高。 <a class="notion-link" href="https://arxiv.org/abs/2611.17030" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-417343b68ae381c99ba5fe056e9cd4c0" data-id="417343b68ae381c99ba5fe056e9cd4c0"><span><div id="417343b68ae381c99ba5fe056e9cd4c0" class="notion-header-anchor"></div><a class="notion-hash-link" href="#417343b68ae381c99ba5fe056e9cd4c0" title="10. Sheaf-Inspired Structured Scoring Extensions of LightGCN for Collaborative Filtering（Amazon）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">10. Sheaf-Inspired Structured Scoring Extensions of LightGCN for Collaborative Filtering（Amazon）</span></span></h4><ul class="notion-list notion-list-disc notion-block-417343b68ae381999c5deea0ea13c26f"><li><b>场景</b>：学术（无业务场景），协同过滤推荐。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381c8a210e8dbb262bf57"><li><b>线上效果</b>：无线上 A/B，仅离线：ML-1M 上 full 将 NDCG@20 从 0.053299 提至 0.054768，Gowalla 上 low_rank_r1 由 0.143631 到 0.143908，Amazon-Book 上 diagonal 由 0.031028 到 0.031302，Yelp2018 上 diagonal 0.050433 到 0.050475，但 K=10 时 identity 四项准确率指标反而略优。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae3819f8856e68e7ad9fdbc"><li><b>问题</b>：LightGCN 仅用用户与物品嵌入的内积打分，隐含假设二者共享同一嵌入坐标系，未显式建模用户表示与物品表示之间的异质变换。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381cabc93cd8f3a567ac7"><li><b>动机</b>：细胞层 sheaf 用线性限制映射关联局部向量空间，启发在评分阶段学习 pair-dependent 的结构化变换；保持图传播不变、只改兼容性函数，以模块化设计检验结构化校正能否提供超越通用神经网络校正的归纳偏置。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381fb89e0e603512e6216"><li><b>贡献</b>：① 提出模块化 sheaf 启发结构化评分扩展，叠加在 LightGCN 上且不改动消息传递。② 系统比较 identity 内积、diagonal、rank-one 与 full matrix 残差四类评分器，并设参数匹配的残差 MLP 基线对照。③ 在四个数据集上同时报告排序质量与目录覆盖率。④ 明确声明未构造形式化 sheaf 或 sheaf-Laplacian 扩散。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae38197b47fcb8192fc4180"><li><b>做法</b>：3 层 LightGCN 主干，评分器输入 φ(u,v) 由 u、v、u⊙v 与逐元素绝对差拼接，输出 s_m(u,v)=uᵀv+αuᵀΔ_m(u,v)v，Δ_m 为 diagonal、rank-one 或 dense 残差矩阵，mlp_full 基线为 uᵀv+αf_θ(φ)。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381aeb6d3e512bfc6bc21"><li><b>局限</b>：提升幅度小且依数据集而异，且未实现形式化 sheaf 或 sheaf 扩散，不能断言 sheaf 几何本身带来收益；对比模型按 test NDCG@20 事后挑选、Amazon-Book 仅 1 seed 且无显著性检验，结论仍是探索性的。 <a class="notion-link" href="https://arxiv.org/abs/2611.17226" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-417343b68ae38199aaa4e331a3ac4685" data-id="417343b68ae38199aaa4e331a3ac4685"><span><div id="417343b68ae38199aaa4e331a3ac4685" class="notion-header-anchor"></div><a class="notion-hash-link" href="#417343b68ae38199aaa4e331a3ac4685" title="11. Active Learning of Approximate LLM Ranking for Energy-Efficient Retrieval of Long Queries（巴伊兰大学）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">11. Active Learning of Approximate LLM Ranking for Energy-Efficient Retrieval of Long Queries（巴伊兰大学）</span></span></h4><ul class="notion-list notion-list-disc notion-block-417343b68ae38176a6a1c887cf9e3957"><li><b>场景</b>：搜索——长查询文档检索，纯学术，TREC 基准离线评估，无业务上线。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381158ffbd2171eae41b6"><li><b>线上效果</b>：无线上 A/B，仅离线：narrative 查询 K=100 时 P@10 0.459，DeepSeek 全量重排 0.526，BM25 0.243；能耗 430 kJ vs 12.9 MJ（3.3%）。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381d6a2f4fba475449d1c"><li><b>问题</b>：廉价的词法检索难以匹配长查询，对数百候选逐篇 LLM 重排又贵数个数量级，而长查询恰是 LLM 语义优势最大、穷举重排也最昂贵的场景。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381959864c8817593fe83"><li><b>动机</b>：LLM 相关性判断可由轻量模型从 query-document 特征近似，排序误差集中在少数文档上；把有限的 LLM 评估花在与词法排序分歧最大的文档上，就能把调用次数变成可调的能耗-精度旋钮。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381e69485d5ca8be6b49a"><li><b>贡献</b>：① 提出 LAAM 框架，BM25 召回后由 Gradient Boosting 回归器近似 LLM 相关性打分，使绝大多数文档无需 LLM 评估。② 设计贪心主动学习循环，每轮选预测分与词法分分歧最大的文档交 LLM 标注并增量重训，把预算集中在最可能改变排序的位置。③ 消融表明稠密语义 embedding 贡献最大、贪心分歧采样最优，narrative 查询以 3.3% 能耗达到 DeepSeek P@10 的 87%。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381cda1ffc6c932a2307f"><li><b>做法</b>：抽取 770 维特征（TF-IDF unigram/bigram、词项覆盖率、sentence-transformer embedding）训练回归器预测 1–1000 的 LLM 分数；初始 15 篇按位置采样建训练集，之后每轮贪心选预测分与 BM25 分差最大的文档交 DeepSeek V3 打分并增量重训。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381efb9b7d9c170cb5033"><li><b>局限</b>：仅在单一 TREC 基准 50 条查询上验证，短查询收益有限，DeepSeek 能耗只能估算，MAP 仍显著落后全量重排。<a class="notion-link" href="https://arxiv.org/abs/2611.16488" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-417343b68ae381df8765d85b115c69ab" data-id="417343b68ae381df8765d85b115c69ab"><span><div id="417343b68ae381df8765d85b115c69ab" class="notion-header-anchor"></div><a class="notion-hash-link" href="#417343b68ae381df8765d85b115c69ab" title="12. SignalAudit-QD: A Reproducible Audit Resource for External Signals in AI-Query Forecasting"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">12. SignalAudit-QD: A Reproducible Audit Resource for External Signals in AI-Query Forecasting</span></span></h4><ul class="notion-list notion-list-disc notion-block-417343b68ae3814a968beae7b0a81b53"><li><b>场景</b>：学术，无业务场景——面向 AI 查询预测（temporal information retrieval）的外部信号审计资源。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae3814badf5e66b9379b410"><li><b>线上效果</b>：无线上 A/B，仅离线：level ridge 加双分量专利块后宏观 MAE 变化 +0.0012，条件 95% moving-block 区间 [-0.0363, +0.0387]。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381bba516fe9c9c63b1b0"><li><b>问题</b>：外部公开信号（搜索趋势、专利流）是否在查询历史之上带来增量信息，缺乏可复现、可审计的检验资源，常规对比也未区分信号信息量与数据可得性假设、测量版本差异。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae3814d9546d09bebe4c0ea"><li><b>动机</b>：把两个事后重建的输入放在冻结测量版本下做伪起点检验，并公开预测、配对损失、溯源与防篡改清单，让负结果成为可复用的证据，而不是伪装成历史部署模拟。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381f29ea5d7e592b1bedc"><li><b>贡献</b>：① 发布 SignalAudit-QD，对齐两次存档 Google Trends 抽取与 8 条 USPTO AI 专利公开流，开放 origin-indexed 预测、配对损失、溯源、可执行测试与防篡改运行清单。② 给出有界负结果，区间既不支持整体收益也不支持等价。③ 用 matched timing controls 暴露可得性假设，用 planted-signal assay 检验检测能力（只检出最大注入），并给出可扩展的证据 schema。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381ee8e9df197b4ce11b2"><li><b>做法</b>：固定 20 个美国 AI 查询词面板，在冻结测量版本下对 2020–2023 origins 做事后重建的 pseudo-origin assay，并用条件移动块区间、persistence-anchored/非线性 host、替代维度与专利定义等设定做稳健性检验。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381aeacb8fbbad6bd22a7"><li><b>局限</b>：伪起点、冻结测量版本、非历史部署模拟，替代维度、语义映射、专利定义、第二次抽取与三个月时域均未解决，不能确立收益或等价。<a class="notion-link" href="https://arxiv.org/abs/2611.16947" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-417343b68ae381a5a982e4584f776fb9" data-id="417343b68ae381a5a982e4584f776fb9"><span><div id="417343b68ae381a5a982e4584f776fb9" class="notion-header-anchor"></div><a class="notion-hash-link" href="#417343b68ae381a5a982e4584f776fb9" title="13. Calibrated Early Termination with Bounded Optimality Gaps for Constrained Vector Search（复旦大学、新加坡管理大学）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">13. Calibrated Early Termination with Bounded Optimality Gaps for Constrained Vector Search（复旦大学、新加坡管理大学）</span></span></h4><ul class="notion-list notion-list-disc notion-block-417343b68ae381c0bfece5488d55642d"><li><b>场景</b>：召回——推荐与 RAG 检索层的受限 k-NN 查询，亦覆盖带类目配额的商品搜索，纯离线。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381a7abe5c547a9f7afc4"><li><b>线上效果</b>：无线上 A/B，仅离线：风险 0.03–0.10 时 CaST 代价至多 1.132× 类最优（95% 联合置信），held-out 查询平均时延比所有校准基线低 4.8%–45.5%。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381d2be4ec747d056fd15"><li><b>问题</b>：LAET/DARTH 只优化平均 recall，高平均 recall 不保证受限答案精确的高概率（DARTH 目标 0.95 时仅 71%/68% 查询返回精确答案）；ConANN、Learn-then-Test 等校准方法只能控风险，无法回答同风险下更好的规则能省多少。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381d6974cc424538322b4"><li><b>动机</b>：先声明规则可用的观测接口（分数 running minimum 分桶加答案是否满 k 的 flag）并限定单调规则类，风险约束停止就变成 order polytope 上的线性规划，其 Lagrangian 极小元构成嵌套阶梯链、可精确 DP 求解，弱偶还能给出覆盖所有风险水平的总体下界。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381dd9e65f45e801dfc0f"><li><b>贡献</b>：① 将风险约束提前终止建模为 order polytope 线性规划，证明最优解是至多两条嵌套 staircase 的混合，用 DP 在 O(J(B+1)²) 内精确求出。② 用 fixed-sequence 精确二项检验沿链校准出 CaST，返回答案失败概率不超过 ε，并给出对所有风险水平同时成立的类最优代价下界。③ 在两个百万级数据集上量化端到端最优性差距，held-out 上快于所有对比校准规则。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381eab4fbd896a6638031"><li><b>做法</b>：把 learned score 的 running minimum 离散为 B 个桶并附满 k flag，在单调规则类上做带差分约束的单风险约束 LP；对 λ 求 Lagrangian，用二维前缀最小 DP 得嵌套链，按 λ 递减用 fixed-sequence binomial test 取最后通过者。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae3817bb887f30c71581355"><li><b>局限</b>：保证只覆盖声明的单调规则类，界为数据依赖的事后界，访问上限内仍有 0.10%–0.58% 查询无法完成；更大节省需要接口外的规则（clairvoyant 规则比经验类最优便宜 2.8×–3.3×）。<a class="notion-link" href="https://arxiv.org/abs/2611.16148" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-417343b68ae381ab97a6f89eb2d30a25" data-id="417343b68ae381ab97a6f89eb2d30a25"><span><div id="417343b68ae381ab97a6f89eb2d30a25" class="notion-header-anchor"></div><a class="notion-hash-link" href="#417343b68ae381ab97a6f89eb2d30a25" title="14. HyperPage: Learned Page Layouts for Disk-Resident Graph Vector Indexes（复旦大学、新加坡管理大学）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">14. HyperPage: Learned Page Layouts for Disk-Resident Graph Vector Indexes（复旦大学、新加坡管理大学）</span></span></h4><ul class="notion-list notion-list-disc notion-block-417343b68ae381209acaee9a28ca92d2"><li><b>场景</b>：学术，无业务场景——面向 Search-R1 类搜索 agent 训练的盘驻图向量索引布局，纯离线。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae38170bd72c869723ad911"><li><b>线上效果</b>：无线上 A/B，仅离线：所有缓存预算下页读次数少于 MARGO（1M 上 16.4%–21.2%，21M 上 5.2%–16.9%），21M 上 12 线程引擎中位单步搜索时间降 10.38%。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381eab0afdc22f3db4b74"><li><b>问题</b>：Starling/MARGO 只从图与向量算共置分数、不用日志，MARGO 还假设查询服从索引向量分布；工作量超图划分把日志请求当独立查询，且均不给出最优布局的下界，无法判断还能省多少页读。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381738016feda768e547e"><li><b>动机</b>：DiskANN 式搜索只按内存 PQ 码和其展开记录的邻接表路由、从不看同页记录，故一次运行的展开集在任意布局下都成立、被缓存记录不计页读，日志可精确重放定价每个布局。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381a1b4c5d0cfb15ad091"><li><b>贡献</b>：① 提出重放模型，用一次运行的日志为所有布局精确计价，并给出「作用域缓冲页读等于展开集并集连通度」成立的条件。② 面向声明预算做 cache-aware 精化与选择，再用验证步重放选布局与热记录、页缓存预算的切分。③ 给出可保证性图谱：任意布局不超过 B 倍最优、swap 下降可停在 B/2、匹配达 ⌈B/2⌉、问题 APX-hard，并用 per-incidence 拉格朗日界把 1M 最优定在每 group 543.2–974.4 次读之间。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381cfbb0bc10770c35b0d"><li><b>做法</b>：由记录展开顺序与 group 的日志按 scope 并集建超图加权，Algorithm 1 从现有布局出发做严格下降的 move/swap；预算拆成热记录静态缓存加共享页 LRU，在候选布局与 ρ 网格上对验证步做 trace 重放选布局与切分。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381858376fd2f0164c441"><li><b>局限</b>：仅在布局无关游走、read-once 作用域等假设下成立，不覆盖 page search 与共享 LRU（此时无 B 倍比值界），精化仅为 swap 下降、只继承 B 倍上界。<a class="notion-link" href="https://arxiv.org/abs/2611.16149" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-417343b68ae3817dbcaef3a28da6b96b" data-id="417343b68ae3817dbcaef3a28da6b96b"><span><div id="417343b68ae3817dbcaef3a28da6b96b" class="notion-header-anchor"></div><a class="notion-hash-link" href="#417343b68ae3817dbcaef3a28da6b96b" title="15. A Recipe for Physical Action Model Training"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">15. A Recipe for Physical Action Model Training</span></span></h4><ul class="notion-list notion-list-disc notion-block-417343b68ae381c3824ec9f9537bdc0e"><li><b>场景</b>：学术，无业务场景——机器人物理动作模型的容量、数据、表示与部署决策分析，纯离线。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381649c1bd54b8c13bb27"><li><b>线上效果</b>：无线上 A/B，仅离线：在 206 条公共 PushT 轨迹上，非对称评估目标下所选分配相对目标匹配降低 4.5-6.2%，平衡目标下没有收益。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381438825e04b9cde4761"><li><b>问题</b>：选取模型容量与示范数据预算时还需决定数据组成、表示、优化和部署，这些决策缺乏统一的风险核算；已知目标的数值检验暴露了容量与数据的耦合、表示引起的混合失配，还出现部署 KL 上升而 NLL 下降的反例。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae38120a7f6e183663b0372"><li><b>动机</b>：这些决策可统一到同一个条件分布目标上，nested learning oracles 能精确核算风险，局部信息几何、条件互信息与经验收敛可给出条件化处方，从而区分哪些指标真正支撑训练建议。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381119e9bf16377512c27"><li><b>贡献</b>：① 用共同的条件分布目标把容量、数据组成、表示、优化与部署决策联系起来。② 用 nested learning oracles 给出精确风险核算，并据此给出条件化训练建议。③ 数值检验揭示容量与数据的耦合、表示引起的混合失配，以及部署 KL 上升而 NLL 下降的反例。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381779bfacec3711a19d1"><li><b>做法</b>：将训练决策统一为条件分布目标，用 nested learning oracles 做精确风险核算，由局部信息几何、条件互信息与经验收敛推导处方；在 206 条 PushT 轨迹上以固定特征评估信息设计准则，不拟合策略。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381e3ad8bd82407dffc76"><li><b>局限</b>：只在离线轨迹上做分析，没有拟合或部署策略，结论尚未在真实机器人训练中验证。<a class="notion-link" href="https://arxiv.org/abs/2611.16450" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-417343b68ae381b481f2d91e62a97460" data-id="417343b68ae381b481f2d91e62a97460"><span><div id="417343b68ae381b481f2d91e62a97460" class="notion-header-anchor"></div><a class="notion-hash-link" href="#417343b68ae381b481f2d91e62a97460" title="16. GA-HEL: A Knowledge-Driven Expert System for Open-Set, Granularity-Aware Hierarchical Event Linking in Social Media（东北石油大学、黑龙江省石油大数据与智能分析重点实验室、同济大学）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">16. GA-HEL: A Knowledge-Driven Expert System for Open-Set, Granularity-Aware Hierarchical Event Linking in Social Media（东北石油大学、黑龙江省石油大数据与智能分析重点实验室、同济大学）</span></span></h4><ul class="notion-list notion-list-disc notion-block-417343b68ae3818d8f1de02c84c67068"><li><b>场景</b>：学术（无业务场景），面向社交媒体事件情报的开放集层级事件链接。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae38108be3dc559c4b403ec"><li><b>线上效果</b>：无线上 A/B，仅离线：Expansion HEM 0.4427（Full Cards 0.4406）、Pilot HEM 0.750，冻结运行层级违规为 0。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae38124a525fcd94236f7c1"><li><b>问题</b>：现有事件共指、检索排序与开放集识别只分别解决提及同一性、语义候选排序或平面拒识，没有把事件空间拒识、层级路径、证据支持深度与合法结构化输出作为一个耦合的决策对象；提前暴露 Atomic 候选还会诱导强制链接。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381708064d43609462109"><li><b>动机</b>：深层预测必须依赖合法的父路径，拒识应该在细粒度候选可见之前完成，因此把链接决策拆成先 scope 控制、再层级推理、最后确定性校验的可审计漏斗。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae3811da79ecc93c1787d64"><li><b>贡献</b>：① 形式化开放集层级事件链接任务，要求事件空间拒识、层级路径选择、支持深度预测与合法路径输出四项耦合。② 提出三阶段知识驱动专家系统 GA-HEL，用 scope gate 控制候选暴露、层级感知解码器选路径、确定性 validator 保证数据库兼容。③ 构建冻结且记录级标注来源的评测资源：200 篇 Pilot、497 篇 Expansion、200 篇审计子集及 Gold 冻结后的独立专家重标注。④ 跨 storyline 分析表明固定阈值或输出级路由难以迁移，主要瓶颈是 Episode 证据被过度下沉为 Atomic。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae3810082dcc565ca79da40"><li><b>做法</b>：第一阶段 scope gate 只输入帖子文本、created_at、media_present 与冻结的 Storyline/Episode 卡片，隐藏 Atomic 候选，判定 IN_SCOPE 或 NONE；第二阶段 GA-HEL-G 在完整 Event Card 层级上全局推理，GA-HEL-S 先做全局 Episode 路由再局部评估 Atomic anchor 数 c（c=0 走 episode_only、c=1 走 atomic_exact、c≥2 走 multi_event）；最后由确定性 validator 校验标识符成员、父子一致与层级字段填充，只做规范化不做语义重排。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381bca381e4d6f29a24f1"><li><b>局限</b>：Expansion 上与 Full Cards 仅持平（5 例不一致，McNemar 校正后无显著），hard-source 子集还被 Cross-encoder 以 0.587 反超 0.541，Atomic 深度判断与低标注一致性（四分类 κ=0.472）仍是主要短板。<a class="notion-link" href="https://arxiv.org/abs/2611.16194" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-417343b68ae3816da017c1a8b222f156" data-id="417343b68ae3816da017c1a8b222f156"><span><div id="417343b68ae3816da017c1a8b222f156" class="notion-header-anchor"></div><a class="notion-hash-link" href="#417343b68ae3816da017c1a8b222f156" title="17. CURATOR: Scalable Fine-grained Evidence Selection for Retrieval-Augmented Generation using Decision Models（Amazon）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">17. CURATOR: Scalable Fine-grained Evidence Selection for Retrieval-Augmented Generation using Decision Models（Amazon）</span></span></h4><ul class="notion-list notion-list-disc notion-block-417343b68ae3812098eefc131b31717d"><li><b>场景</b>：学术（无业务场景），RAG 的细粒度证据选择与重排。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381ac9b25fcc6a7447130"><li><b>线上效果</b>：无线上 A/B，仅离线：QAMPARI B=1024 召回 0.5466（separate context-aware 0.4844，original joint 0.4279），比 separate 快 21.7×、省 25.7× 输入 token；128-token 预算下未见数据召回 +17.0%、下游答案质量 +17.4%。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381919168cf6da72d7792"><li><b>问题</b>：预训练联合决策模型的证据判别力随同时决策数 K 增大而下降，大候选池下不可靠；而逐候选结合全文的 context-aware 打分需要 K 次重复推理，计算低效。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381da8a11e62f76c1f51e"><li><b>动机</b>：单个 span 孤立看可能无关，要结合其他检索片段才能判断是否保留，所以决策必须共享上下文；联合推理能共享计算，但必须经过训练才能在数百候选下保持可靠。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae38114bc12e482143c1021"><li><b>贡献</b>：① 用联合决策模型在 token 预算下做 context-aware 的细粒度证据选择，多候选共享一次推理，避免重复处理全文。② 揭示预训练决策模型随同时决策数增加而判别力退化，提出可变规模、变证据密度的联合证据监督训练 CURATOR，配合类别平衡与通用任务 replay/蒸馏。③ 系统评估质量、可扩展性与跨任务领域泛化，QAMPARI 召回平均 +25.8%。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381629c92d2ff3f169847"><li><b>做法</b>：在 pplx-decider-flash-v1.2（Qwen3.5-4B 基座的多 readout 决策模型）上微调，用 QAMPARI、HotpotQA、2WikiMultiHopQA 构造 K∈{8,16,32,64,128}、natural/fixed-positive/gold-included 三种采样的联合证据数据，以按类平均的 masked class-balanced loss 监督（不确定标签 y=⊥ 跳过），并混入 60% 证据任务与 40% 通用决策 replay（CE 加蒸馏，λ 各 0.5）；仅对 8 层 full-attention 的 QKV/O 投影加 LoRA（rank 16、scaling 32）并训练 decision readout，更新约 3.8M/4.54B 参数，推理时按 r_i=ℓ(1)−ℓ(0) 联合打分并按 token 预算贪心选入。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae3817fa692fa64b0e2c003"><li><b>局限</b>：全部为离线基准评测，未给出线上部署或明确局限；与保留冻结决策模型、用层次化检索拆小候选池的 DecisionRAG 不同，本文靠训练提升模型自身的联合决策能力。<a class="notion-link" href="https://arxiv.org/abs/2611.16366" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-417343b68ae381439738c05e3d2fa196" data-id="417343b68ae381439738c05e3d2fa196"><span><div id="417343b68ae381439738c05e3d2fa196" class="notion-header-anchor"></div><a class="notion-hash-link" href="#417343b68ae381439738c05e3d2fa196" title="18. Edge-Gradient Augmentation under Reinforcement Learning for Temporal Graph"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">18. Edge-Gradient Augmentation under Reinforcement Learning for Temporal Graph</span></span></h4><ul class="notion-list notion-list-disc notion-block-417343b68ae381f98fd8ed2f69cf572b"><li><b>场景</b>：学术（无业务场景），时序图链接预测。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381138fb8d94160a1d602"><li><b>线上效果</b>：无线上 A/B，仅离线：多数据集 AUROC 与 average precision 有 substantial gains，具体数值未报告。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae3815d96fbdc67dfcb4593"><li><b>问题</b>：现有方法通常只依赖原始时序图数据，忽视了显式的边变化信息（边的出生与死亡），而这部分信息能显著提升预测性能。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae38131b577f411ecf23c9b"><li><b>动机</b>：边的生灭事件（edge-gradient）本身携带关键动态信号，且不同边快照的信息量不同，应动态选择并增强最有信息量的快照。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381088067c9b2fd4b979b"><li><b>贡献</b>：① 提出 EG-RL 框架，通过专门的节点编码与链接编码模块显式编码 edge births/deaths 事件。② 设计策略驱动的强化学习机制，借助 critic 反馈动态选择并增强最有信息量的边快照。③ 集成节点编码、链接编码、token mixing、channel mixing 模块，经全局池化接两层 MLP 分类器。④ 多数据集实验与消融确认自适应边梯度增强的必要性及各编码与 RL 机制的有效性。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae381d1809eff9e84b1d48a"><li><b>做法</b>：框架由节点编码、链接编码、token mixing、channel mixing 组成，经 global pooling 后接两层 MLP 分类器；核心是用 policy-driven RL 动态选择并增强边快照，由 critic-based feedback 以预测准确率为目标优化策略。</li></ul><ul class="notion-list notion-list-disc notion-block-417343b68ae38195a33fd4d61552b546"><li><b>局限</b>：论文仅有摘要，未给出具体数据集名、数值细节与线上验证，各模块增益幅度无法核验。<a class="notion-link" href="https://arxiv.org/abs/2611.16678" target="_blank" rel="noopener noreferrer">↗</a></li></ul><hr class="notion-hr notion-block-417343b68ae3810da373c86edeee2eee"/><div class="notion-text notion-block-417343b68ae381c1878af40065b16cab"><em>本日报由 AI 自动生成，解读观点仅供参考。</em></div></main></div>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[推荐算法日报 - 2026-11-11]]></title>
            <link>https://www.bins-log.com/article/daily-report-2026-11-11</link>
            <guid>https://www.bins-log.com/article/daily-report-2026-11-11</guid>
            <pubDate>Wed, 11 Nov 2026 00:00:00 GMT</pubDate>
            <description><![CDATA[LLM 退居提议席，判别器与验证器接管终审：AutoManifold 把这条原则写得很明确：agents propose、engines measure；12 个受 JSON schema 约束的 worker 只负责推理，确定性引擎则独占指标计算。]]></description>
            <content:encoded><![CDATA[<div id="notion-article" class="mx-auto overflow-hidden "><main class="notion light-mode notion-page notion-block-415343b68ae3819ead4efc54f60d306d"><div class="notion-viewport"></div><div class="notion-collection-page-properties"></div><h3 class="notion-h notion-h2 notion-h-indent-0 notion-block-415343b68ae381a1aa51dd6b35d5ad3b" data-id="415343b68ae381a1aa51dd6b35d5ad3b"><span><div id="415343b68ae381a1aa51dd6b35d5ad3b" class="notion-header-anchor"></div><a class="notion-hash-link" href="#415343b68ae381a1aa51dd6b35d5ad3b" title="一、📊 趋势分析"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">一、📊 趋势分析</span></span></h3><div class="notion-text notion-block-415343b68ae38170a57ff6b1a5699b3e"><b>🔥 LLM 退居提议席，判别器与验证器接管终审</b>：AutoManifold 把这条原则写得很明确：agents propose、engines measure；12 个受 JSON schema 约束的 worker 只负责推理，确定性引擎则独占指标计算。SHARP 让 LLM 只预测类别，再由语义 POI 表示引导下游打分器。FERN 更彻底，用五路冻结检索器加 LightGBM 完全绕开生成式调用。三篇的共同判断是：LLM 的价值在语义先验与自然语言接口，不在结构正确性与数值判断，而后者必须交给独立于模型的组件。</div><div class="notion-text notion-block-415343b68ae3813481c4c9661d333c0e"><b>💡 评测从“报分数”转向“审计分数怎么来的”</b>：IFRS 基准在分歧子集上重新运行了 11 种聚合方法，发现 hard 和 soft vote 的 W-F1 只有 0.671/0.672，反而低于最强单模型 Gemini 的 0.713；评论蒸馏审计则发现，教师保真度与人工编辑一致性，在完整新 SKU 与时间外推这两个人群上方向相反；Point-in-Time 把编码器泄露量化为可测的 look-ahead premium。评测对象正从模型输出转向评测流程本身，数据切分人群、标签来源与编码器训练截止时间都成了必须核查的对象。</div><div class="notion-text notion-block-415343b68ae3813095eef3d0347a1bfa"><b>💡 成本与部署约束重新成为表征设计的主变量</b>：SeqFold 用每个时间戳 2,048 字节，换到相对完整序列 3,400× 的存储缩减，而 Query PR-AUC 仅低 2.11%；StaRSE 以 11.3 MiB 包体和 0.08 ms 的 CPU 单句时延拿到 RuMTEB 51.16；FERN 用冻结检索器加 LightGBM 做到单 A100 中位 208 ms，且没有托管模型调用。三篇分别来自酷澎、ITMO 与 SAP，工业界与学术界的论文在同一天给出同一个信号：在服务边界上，“更大编码器”不再是默认答案；不过这一批 20 篇仍没有一条线上 A/B，这些取舍都还停留在离线相对指标上。</div><h3 class="notion-h notion-h2 notion-h-indent-0 notion-block-415343b68ae38103a3e9cccc75377755" data-id="415343b68ae38103a3e9cccc75377755"><span><div id="415343b68ae38103a3e9cccc75377755" class="notion-header-anchor"></div><a class="notion-hash-link" href="#415343b68ae38103a3e9cccc75377755" title="二、📋 今日速览"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">二、📋 今日速览</span></span></h3><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-415343b68ae3813db971c89010751554" data-id="415343b68ae3813db971c89010751554"><span><div id="415343b68ae3813db971c89010751554" class="notion-header-anchor"></div><a class="notion-hash-link" href="#415343b68ae3813db971c89010751554" title="▍学术界（20 篇）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">▍学术界（20 篇）</span></span></h4><table class="notion-simple-table notion-block-415343b68ae38175a119d4238558eb10"><tbody><tr class="notion-simple-table-row notion-simple-table-header-row notion-block-415343b68ae381efb5cbcbfd8a96b6c6"><td class="" style="width:120px"><div class="notion-simple-table-cell">方法</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">机构</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">关键结果</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">证据</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">部署</div></td></tr><tr class="notion-simple-table-row notion-block-415343b68ae381b18451d24876271e4b"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.13595" target="_blank" rel="noopener noreferrer">IFRS Compliance Verification</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">加拿大安大略理工大学（Ontario Tech University）商学院与信息技术学院</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">建2万对IFRS基准，内容条件XGBoost融合三LLM，W-F1 81.7%超单模型10.4点</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">A</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">离线验证</div></td></tr><tr class="notion-simple-table-row notion-block-415343b68ae38194b362ee40c669b5f7"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.13972" target="_blank" rel="noopener noreferrer">Data Quality Challenges in Multimodal To</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">德国拉文斯堡-魏恩加滕应用科学大学、奥地利克拉根福大学</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">基于 Yelp 与 Instagram 真实数据，归纳多模态旅游推荐四类数据质量挑战并提出未来方向</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">离线验证</div></td></tr><tr class="notion-simple-table-row notion-block-415343b68ae381cfb1f8f8f3ee2803a3"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.13797" target="_blank" rel="noopener noreferrer">Auditing LLM Pseudo</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">Hepsiburada</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">在534万条土耳其评论上审计Gemini伪标签蒸馏，学生提速50.2×，类别前缀增益随人群反转。</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">A</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">离线验证</div></td></tr><tr class="notion-simple-table-row notion-block-415343b68ae38188b2bbd2535a2d8e90"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.13457" target="_blank" rel="noopener noreferrer">Coco（含 Observer Agent / Execution Agent；自适应变体 Coco-PE、Coco-LoRA）</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">英伟达</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">Coco 用 Observer Agent 观察桌面并在线自适应，macro F1 提升 2.4-3.0×。</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">离线验证</div></td></tr><tr class="notion-simple-table-row notion-block-415343b68ae38189976af8793e8a01ba"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.13914" target="_blank" rel="noopener noreferrer">From Counterfactual Edits to Human Narra</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">布拉格捷克技术大学、因斯布鲁克大学</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">用 LLM 把反事实编辑列表摘要成自然语言解释，DPO 后正确性最高达 0.52</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">离线验证</div></td></tr><tr class="notion-simple-table-row notion-block-415343b68ae381dd9a17c71e5a3ec3af"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.13920" target="_blank" rel="noopener noreferrer">CAppleNet（C2PSA→Coordinate Attention 同槽替换的 YOLO11s）</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">苹果</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">对YOLO11s做单因子消融，C2PSA同槽换CA：F1 0.9038匹敌基线，参数减10.2%，mAP@0.5 0.935最高</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">B</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">未部署</div></td></tr><tr class="notion-simple-table-row notion-block-415343b68ae38172bb57d7d8ec7c8e2f"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.14050" target="_blank" rel="noopener noreferrer">Ontology</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">印度理工学院海得拉巴分校、HTSR Institute、中央梵语大学</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">本体引导 KG 构建+多路证据检索，Multi-hop MRR@20 0.8722，胜 union 的 0.7622</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">B</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">未部署</div></td></tr><tr class="notion-simple-table-row notion-block-415343b68ae381fbbd79f6d3ec272e0c"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.14037" target="_blank" rel="noopener noreferrer">From Show Programs to Linked Data</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">雷恩大学 APP、Enssib Élico、Takin Solutions</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">VLM 转录 + LA-PA 本体约束标注，把节目单转成 Linked Data，转录准确率超 98%。</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">未部署</div></td></tr><tr class="notion-simple-table-row notion-block-415343b68ae38126b325d2bae9a5d9be"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.14236" target="_blank" rel="noopener noreferrer">StaRSE</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">圣彼得堡国立信息技术、机械与光学大学</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">提出符号编码静态俄语编码器StaRSE，RuMTEB达51.16，超静态基线7.98分。</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">未部署</div></td></tr><tr class="notion-simple-table-row notion-block-415343b68ae38133a644fe3951b8c56d"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.14325" target="_blank" rel="noopener noreferrer">Point</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">杜克大学</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">为财报会议训练逐年时点编码器，33.8M 参数 recall@1 0.728、超 e5-base 0.144</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">未部署</div></td></tr><tr class="notion-simple-table-row notion-block-415343b68ae3811698ded3ccfe47f5bc"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.13710" target="_blank" rel="noopener noreferrer">AutoManifold</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">曼彻斯特大学、X32 Studio</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">多智能体 LLM 组合原语合成流形嵌入算法，kidney 上 silhouette 0.94 远超基线 0.15。</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">未部署</div></td></tr><tr class="notion-simple-table-row notion-block-415343b68ae38107ba39fd11a34f41ab"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.13525" target="_blank" rel="noopener noreferrer">EJAI（Judgment-Preserving Civic AI）</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">北卡罗来纳大学教堂山分校计算机科学系、数据与信息科学学院、Society-Centered AI Lab</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">构建面向数据中心环境正义的溯源多智能体可视化系统，98.4% 事实主张有据</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">离线验证</div></td></tr><tr class="notion-simple-table-row notion-block-415343b68ae3819dafdff5f2850a7198"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.13667" target="_blank" rel="noopener noreferrer">Benchmarking LLM Next</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">圣加仑师范大学（PHSG）教育心理研究所</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">以 KST 外边缘作参考答案构建 LLM 推荐基准，供给先修结构后 exact-set 达 96.3%/98.2%。</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">离线验证</div></td></tr><tr class="notion-simple-table-row notion-block-415343b68ae38183a9efeb9997097b82"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.14220" target="_blank" rel="noopener noreferrer">SHARP（Semantic Hierarchical Agentic Reasoning for Next POI Prediction with Dynamic Memory）</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">电子科技大学</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">用 LLM 先预测 POI 类别再引导具体 POI 预测，Acc@5 较最强基线平均提升 5.29 个点。</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">离线验证</div></td></tr><tr class="notion-simple-table-row notion-block-415343b68ae381428c1dcc77221023f1"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.14477" target="_blank" rel="noopener noreferrer">FERN（Feature-Engineered Ranking with No generative LLM）</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">SAP</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">三路冻结检索器加 LightGBM 排序器一次拟合跨基准选表，Spider R@15 99.1 超 RASL 1.1 点</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">离线验证</div></td></tr><tr class="notion-simple-table-row notion-block-415343b68ae381958268d324c4b439d6"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.13562" target="_blank" rel="noopener noreferrer">Med Evidence Bench (MEB)</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">—</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">构建MEB临床推理基准，指南知识ETS最高0.997，真实场景最低0.182</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">离线验证</div></td></tr><tr class="notion-simple-table-row notion-block-415343b68ae381b68896e4dff5159d21"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.13966" target="_blank" rel="noopener noreferrer">TIGA（Taxonomy Induction with Tool-Grounded Agents）</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">—</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">TIGA 用工具+自适应策略迭代构建 taxonomy，多数配置结构质量最优但开销高。</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">离线验证</div></td></tr><tr class="notion-simple-table-row notion-block-415343b68ae38140a3c9f8abfe8f397c"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.13539" target="_blank" rel="noopener noreferrer">Exploiting Feature</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">—</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">用特征不变 scaling law+统计推断，小算力预测 A/B 全量效果，40+ 项改动上准确区分优劣</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">离线验证</div></td></tr><tr class="notion-simple-table-row notion-block-415343b68ae381d19d7ef19255af01f2"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.13704" target="_blank" rel="noopener noreferrer">SeqFold</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">酷澎</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">把冻结长历史骨干的多层用户状态压缩为时间戳可寻址离散码，存储降 3400× 且下游排序性能基本保留。</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">未部署</div></td></tr><tr class="notion-simple-table-row notion-block-415343b68ae3812abd16d3faee1bd3b9"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.13894" target="_blank" rel="noopener noreferrer">Beyond Fluent Responses</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">东北大学、RIKEN、NII LLMC</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">用真实ChatGPT对话做用户不满检测，AUPRC超17.8%基线最多15个百分点</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">未部署</div></td></tr></tbody></table><h3 class="notion-h notion-h2 notion-h-indent-0 notion-block-415343b68ae3811a8b1af8e78d051035" data-id="415343b68ae3811a8b1af8e78d051035"><span><div id="415343b68ae3811a8b1af8e78d051035" class="notion-header-anchor"></div><a class="notion-hash-link" href="#415343b68ae3811a8b1af8e78d051035" title="三、🎯 今日主题"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">三、🎯 今日主题</span></span></h3><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-415343b68ae381aca5e0e687ae983b54" data-id="415343b68ae381aca5e0e687ae983b54"><span><div id="415343b68ae381aca5e0e687ae983b54" class="notion-header-anchor"></div><a class="notion-hash-link" href="#415343b68ae381aca5e0e687ae983b54" title="当 LLM 不再是终审：受约束推理与验证闭环"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">当 LLM 不再是终审：受约束推理与验证闭环</span></span></h4><div class="notion-text notion-block-415343b68ae3812e93eed0004170b4c6"><b>问题背景。</b> 这一批论文指向同一个矛盾：在需要结构合法、指标可信、结果可复盘的任务里，LLM 的生成自由度往往会带来风险，而不是优势；真正稀缺的是把语义先验接入可验证流程的工程约束。</div><ul class="notion-list notion-list-disc notion-block-415343b68ae381dc9050f13cf920d744"><li><b>结构合法性无法自证</b>：TIGA 的自由迭代会遗漏或幻觉出候选集外实体、生成非法层级；From Show Programs to Linked Data 的开放式生成会为虚构地点编造 Wikidata QID。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae3818089aad4935ad397a6"><li><b>一致性判断不可靠</b>：IFRS 分歧集上 GPT-4.1 把 95.5% 的样本判为 NOT COMPLIED（κ=0.019），hard 和 soft vote 的 W-F1 反低于最强单模型。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381218999f74aa0879ade"><li><b>精确计算不是其职责</b>：KST 指出先修关系已知时可接受下一步本可确定性算出、LLM 并非必需；AutoManifold 指出直接把 LLM 当代码生成器会产生数值病理与静默正确性失败。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381d6b455f5397beacf82"><li><b>部署成本不可接受</b>：FERN 指出 RASL 类生成式选表需把 schema 与问题发往托管模型并产生调用成本，企业场景无法接受。</li></ul><div class="notion-text notion-block-415343b68ae3819c95ecd5a0358945b9"><b>代表方案对比。</b> 同一条“约束 LLM”的思路在不同任务上分化出四种形态——约束输出空间、约束中间表示、独占验证权、绕开生成回路。</div><ul class="notion-list notion-list-disc notion-block-415343b68ae38169b466d05b5305c222"><li><b>TIGA</b>：切口是把 taxonomy induction 形式化为显式状态上的迭代决策；做法是受限动作空间加可执行编辑工具、记录 tool call 的 memory，以及运行时自适应组织策略；在 4 个基准、2 个 LLM backbone 上多数配置结构质量最优，代价是 token、API 调用与推理时间显著更高，precision 未全面占优。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381ada52be7444feedc12"><li><b>SHARP</b>（电子科技大学）：切口是 next POI 预测中 LLM 直接输出原始 ID 难以落地；做法是 LLM 只预测 Top-K 类别，经 RQ-VAE 量化的语义 POI 表示传给 causal Transformer 打分器；三数据集 Acc@5 为 53.14%/49.50%/36.47%，Acc@5/Acc@10 平均较最强基线提升 5.29/4.52 点，token 较全历史降 86.14%–91.86%。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae3815194d8c56d0cd3d550"><li><b>AutoManifold</b>（曼彻斯特大学、X32 Studio）：切口是数据可视化与流形嵌入算法的自动设计；做法是 12 个 JSON schema 约束的 LLM worker 只做推理，确定性 compute engine 计算嵌入与可靠性分数并原样回注上下文；kidney 上 silhouette 0.9392，最佳基线仅 0.1461。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381ceaa7be6c3fdf429d1"><li><b>KST benchmark</b>（PHSG）：切口是学习推荐的结构正确性评测；做法是由 surmise 关系确定性生成每个知识态的外边缘作参考集，LLM 输出映射回规范 ID 后按无序集合比对；供给参考结构是最大增益来源，exact-set accuracy 79.7%、macro F1 90.2%。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae3817fa940cc5418c7c3c4"><li><b>FERN</b>（SAP）：切口是企业跨库 text-to-SQL 的表检索；做法是五路冻结检索器加 120 个 schema 特征，再用 LightGBM lambdarank 一次拟合，全程没有生成式调用；Spider R@15 99.1、complete@5 95.6，单 A100 中位延迟 208 ms。</li></ul><div class="notion-text notion-block-415343b68ae38195a4bec6fa9ca50673"><b>核心差异。</b> 差别在于约束施加在哪一层，以及正确性最终由谁承担，而不在于是否使用 LLM。</div><ul class="notion-list notion-list-disc notion-block-415343b68ae3816cadfff07ca9a2a43c"><li><b>约束位置</b>沿一条光谱分布：TIGA 的受限动作与 LA-PA 的本体属性约束输出空间，生成仍由 LLM 完成但非法结构被排除；SHARP 约束中间表示，把 LLM 推理压缩成类别这一先验量；AutoManifold 与 KST 则约束验证权，生成可以自由，但打分与判定归确定性引擎；FERN 直接退出生成回路。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae3810993c2e6be3d6d3553"><li><b>正确性归属</b>分为两类：一类外包给可执行工具或形式化算法（TIGA、AutoManifold、KST），LLM 只负责搜索与提议；另一类把 LLM 输出降级为特征、由判别模型终审——SHARP 的 correction encoder 就是如此，IFRS 也是：用 LLM 概率、29 维面板统计与 1,536 维 SBERT 嵌入训练 XGBoost 元学习器，学到“何时覆盖有偏标注者”。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae38143864cddec0ac570b4"><li><b>共同结果</b>是 LLM 失去终审权，但保留了语义先验与自然语言接口这两样难以替代的东西；这也解释了为什么约束后的系统仍要用 LLM，而不是直接换回传统 IR。</li></ul><div class="notion-text notion-block-415343b68ae3813295ccf872613b19ea"><b>趋势判断。</b> 这是一次角色重排而非模型替换：LLM 仍是低成本的冷启动与语义来源，但结构正确性必须由与 LLM 无关的组件保证。</div><ul class="notion-list notion-list-disc notion-block-415343b68ae3811189aeeeb5524be793"><li><b>工程形态</b>上，scaffolding engineering 将取代 prompt engineering：受限动作空间、可执行验证器、memory 与 runtime policy 会像特征工程一样成为系统设计的一等公民。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae3816ca72de28975cacdd7"><li><b>评测形态</b>上，随着决策权转移，评测对象也会改变：从“答案对不对”转向“结构合不合法、证据能否溯源”。clinical ETS 的版本化 source span、KST 的可接受下一步集合、Point-in-Time 的 cutoff registry 都是同一方向。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae3817999ddf604da6793a6"><li><b>适用边界</b>上，这套范式不是免费的：TIGA 的 token/API 成本显著更高且 precision 未全面占优，FERN 在不透明 schema（Fiben）与目标域完整表集恢复（BEAVER）上明显落后，KST 也承认先修已知时 LLM 并非必需——每个任务都需要重新划定 LLM 该退到哪一步。</li></ul><h3 class="notion-h notion-h2 notion-h-indent-0 notion-block-415343b68ae381af940cceda9144259a" data-id="415343b68ae381af940cceda9144259a"><span><div id="415343b68ae381af940cceda9144259a" class="notion-header-anchor"></div><a class="notion-hash-link" href="#415343b68ae381af940cceda9144259a" title="四、📰 逐篇解读"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">四、📰 逐篇解读</span></span></h3><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-415343b68ae381c7aa2be4b08c09854f" data-id="415343b68ae381c7aa2be4b08c09854f"><span><div id="415343b68ae381c7aa2be4b08c09854f" class="notion-header-anchor"></div><a class="notion-hash-link" href="#415343b68ae381c7aa2be4b08c09854f" title="1. IFRS Compliance Verification: An Open Multi-LLM Benchmark and Content-Conditioned Ensemble Classifier（安大略理工大学）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">1. IFRS Compliance Verification: An Open Multi-LLM Benchmark and Content-Conditioned Ensemble Classifier（安大略理工大学）</span></span></h4><ul class="notion-list notion-list-disc notion-block-415343b68ae38181a3d5f0c7f1f6593c"><li><b>场景</b>：学术研究，无业务场景；面向财务报告的 IFRS 合规核查，判断监管条文与披露段落是否匹配。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381a78457ec3eedd9aa24"><li><b>线上效果</b>：无线上 A/B，仅离线：Weighted F1 81.7%、Accuracy 82.4%、Cohen&#x27;s κ 0.556、ECE 0.068。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381e0baf4e53e1362d6f3"><li><b>问题</b>：单模型判定不可靠，朴素集成又被系统性偏置拖累：GPT-4.1 在分歧集上把 95.5% 的样本预测为 NOT COMPLIED（κ=0.019），hard/soft vote 的 W-F1 仅 0.671/0.672，反低于最强单模型 Gemini 的 0.713；Dawid-Skene 在三标注者下参数欠定退化为多数投票，CROWDLAB 的少数类 F1 塌缩为 0，EM 校准对温度上界敏感。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae3817f9e30eb5664c90b6b"><li><b>动机</b>：聚合决策应取决于监管条文与披露文本的内容而非仅置信度；当某标注者在某类上系统性偏差时，内容条件分类器能学到何时覆盖它，而 LLM 一致标签可作实用的弱监督替代人工标注。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381c0b5c8d12975c5c319"><li><b>贡献</b>：①构建首个公开 IFRS 合规基准，含 19,998 条监管-披露对与 8,837 条人工标注分歧项。②在分歧子集上 benchmark 11 种无监督聚合，归纳出单模型类别偏差、DS 参数欠定、CROWDLAB 少数类塌缩、EM 温度敏感四种结构性失效。③提出内容条件化学习式集成分类器，用 Optuna 调优 XGBoost 学到“何时覆盖有偏标注者”。④开源披露段落、监管段落、LLM 标注、人工标注、模型 checkpoint 与分类器代码。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381ec9cd4c0545930634a"><li><b>做法</b>：三阶段领域适应句向量（SEC EDGAR 10-K MD&amp;A 上 MLM 继续预训练→TSDAE→SimCSE→一致标签正对上监督对比微调），三 LLM 以 T=0 输出三类概率经 L1 归一化，与 29 维面板统计、1,536 维冻结 SBERT 对嵌入拼成 1,565 维输入送入 XGBoost 元学习器。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae3815abe37c1f1b205dd8a"><li><b>局限</b>：单领域单语言、仅三模型面板、人工标签只覆盖分歧子集、候选检索存在预选偏置，且未与商业审计工具比较。 <a class="notion-link" href="https://arxiv.org/abs/2611.13595" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-415343b68ae381c097e4d75766252bf1" data-id="415343b68ae381c097e4d75766252bf1"><span><div id="415343b68ae381c097e4d75766252bf1" class="notion-header-anchor"></div><a class="notion-hash-link" href="#415343b68ae381c097e4d75766252bf1" title="2. Data Quality Challenges in Multimodal Tourism Recommender Systems（拉文斯堡-魏恩加滕应用科学大学、克拉根福大学）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">2. Data Quality Challenges in Multimodal Tourism Recommender Systems（拉文斯堡-魏恩加滕应用科学大学、克拉根福大学）</span></span></h4><ul class="notion-list notion-list-disc notion-block-415343b68ae38177be77e3d5d4761881"><li><b>场景</b>：学术研究，无业务场景；旅游 next-POI 推荐中的多模态数据质量分析。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381778448cccc3a6ff0c8"><li><b>线上效果</b>：无线上 A/B，仅离线：定性案例分析，未报告任何指标。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae38153a249ec139469d6c5"><li><b>问题</b>：现有多模态旅游推荐大量引入评论、照片、社交关系等异构数据，却忽视其质量，噪声、偏差与矛盾直接进入融合与推荐过程；具体表现为虚假账号刷评与爆发式发帖、LLM 幻觉内容、游客与本地人及年龄地域分布错配、图文与位置标签不一致。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381588043f2adabf551f4"><li><b>动机</b>：真实数据很少满足融合策略“各模态一致且完整”的假设，只有在上游预处理与下游建模中同时显式考虑数据质量，才能构建可信可靠的多模态推荐系统。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae3814b991be89a8f83d287"><li><b>贡献</b>：①基于 Multimodal Yelp 与德国博登湖 Instagram 两个真实数据集系统归纳数据质量挑战。②识别虚假/自动化账号噪声、LLM 幻觉语义噪声、人口统计偏差、跨模态语义矛盾四类问题。③给出行为模式异常账号检测、结构化摘要与选择性图像摘要、用户画像细分等可操作缓解做法。④提出质量感知融合、鲁棒融合、用户意图分化建模、视频与 360° 内容利用、受控 LLM 生成五条未来方向。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381f8b208da4bd4f5facb"><li><b>做法</b>：属于立场/案例型论文而非新系统；虚假账号先按发帖频率异常标记，再用连续签到间的移动速度不合理剔除，LLM 噪声改用预定义字段的结构化摘要且只对视觉线索清晰的图像生成摘要。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae38111a067cfb2a08de3b8"><li><b>局限</b>：仅为 workshop 立场论文，所提方向均未实现和定量验证。 <a class="notion-link" href="https://arxiv.org/abs/2611.13972" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-415343b68ae381768d81d4db23b5e2cd" data-id="415343b68ae381768d81d4db23b5e2cd"><span><div id="415343b68ae381768d81d4db23b5e2cd" class="notion-header-anchor"></div><a class="notion-hash-link" href="#415343b68ae381768d81d4db23b5e2cd" title="3. Auditing LLM Pseudo-Label Distillation for Review Informativeness at E-Commerce Scale（Hepsiburada）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">3. Auditing LLM Pseudo-Label Distillation for Review Informativeness at E-Commerce Scale（Hepsiburada）</span></span></h4><ul class="notion-list notion-list-disc notion-block-415343b68ae38138989afbb60a30c51e"><li><b>场景</b>：电商推荐，面向商品评论信息量三分类与站内评论排序。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381dcb75ac763c33f20e1"><li><b>线上效果</b>：无线上 A/B，仅离线：严格 OOT 上 BERTurk CE/C 的 QWK 为 .9198，学生流水线 2,218 条/秒、相对教师 50.2× 吞吐。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae3812eb9cec91f182e6855"><li><b>问题</b>：现有做法把学生与教师的一致率当作蒸馏质量的唯一标准，但教师保真度与人工编辑一致性回答的是不同问题；严格新 SKU 全集与时间外推审计子集人群不同，增益方向可能相反却容易被互相替代。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae38112a080fba70aa22f97"><li><b>动机</b>：伪标签可大规模获得且推理吞吐是瓶颈，但只有独立、对教师标签盲的人工审计才能判断蒸馏保留的是教师行为还是真正的编辑有效性，因此先冻结 cutoff 与标签再分别测实体与时间偏移。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381efacb8c5aaf522349d"><li><b>贡献</b>：①在 5,344,302 条土耳其电商评论上构建 SKU 不相交加时间外推的严格评测，审计 Gemini 3.1 Flash-Lite 到紧凑编码器的硬标签蒸馏共 21 组训练。②用对教师标签盲的标注员审计 40,000 条评论，发现 H3 类别前缀在完整新 SKU 上略提保真度，却在 16K 时间审计子集上同时降低与 Gemini 和标注员的一致性。③证明两个评测人群不同，补充 Amazon 跨市场与教师相对 NDCG 的运营检查。④测得单 L4 学生流水线 2,218 条/秒、相对教师 50.2× 的离线吞吐。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381aea87dcd1735428bcd"><li><b>做法</b>：冻结 Gemini 生成 0/1/2 硬标签，学生取 BERTurk、XLM-R、COSMOS Turkish BERT、Turkish ModernBERT，对比交叉 CE 与 CORN、纯文本(T)与 H3 类别前缀加文本(C)；排序侧用 BERT-Join 拼接文本表示与 16 个工程数值特征。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae3819295aafbdcbe69f8aa"><li><b>局限</b>：单标注员、师生输入不匹配、无跨标注者信度，且全部为教师相对的离线结果。 <a class="notion-link" href="https://arxiv.org/abs/2611.13797" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-415343b68ae381aba5d1d066c384acda" data-id="415343b68ae381aba5d1d066c384acda"><span><div id="415343b68ae381aba5d1d066c384acda" class="notion-header-anchor"></div><a class="notion-hash-link" href="#415343b68ae381aba5d1d066c384acda" title="4. Deep Personalization: Continuous Context Observation for Local Proactive Agents（NVIDIA）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">4. Deep Personalization: Continuous Context Observation for Local Proactive Agents（NVIDIA）</span></span></h4><ul class="notion-list notion-list-disc notion-block-415343b68ae381f389a5ff9cdfa7ce10"><li><b>场景</b>：学术研究，无业务场景；主动式桌面智能体判断何时主动提供帮助。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381989646e479812fee01"><li><b>线上效果</b>：无线上 A/B，仅离线：OSWorld-Persona 上最佳 macro F1 0.483（Qwen-3.5-9B），10 人一周用户研究中 F1 proxy 从 0.199 升至 0.515。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae38133829fcc9dd7b441ef"><li><b>问题</b>：现有 agent 多是被动式，需用户自己识别何时求助；主动式 agent 难以判断此刻干预是否被需要，对一人有用的帮助对另一人可能冗余或打扰，且静态画像或显式配置无法刻画同一用户跨任务、跨情境变化的偏好。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381a7a941d66c4ab03d9c"><li><b>动机</b>：用户日常操作流本身同时提供上下文与监督信号：持续观察可得环境状态 s_t，而用户对建议的接受、忽略、主动求助以及重复操作可作为隐式反馈 r_t，无需人工标注即可闭环学习“何时该干预”。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae3816ea988dbc890185f56"><li><b>贡献</b>：①提出 Coco 与 Observer Agent，持续观察数字上下文并从隐式反馈学习干预时机。②设计 change-aware frame selection 与 observation-first scheduling，使 Observer 在单台 RTX 5090 或 DGX Spark 本地运行，原始屏幕数据不出设备。③提出从 computer-use 数据合成个性化 benchmark 的通用管线，构建 OSWorld-Persona（6,558 关键帧、3,279 条标注、108 个 session）。④落地为桌面 app，并在 10 人一周用户研究中把 macro F1 proxy 从 0.199 提升到 0.515。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae3811f8d06c01ef78e0ade"><li><b>做法</b>：Observer Agent 为多模态 LM，每步输入 (s_t, h_{t-1}) 输出 observation、user intent、rationale 与二值决策 y_t；长期记忆是 observation–proposition 二部图，由 GUM 周期合成命题并按最近 k 条 observation 加语义最相关 k 条 proposition 检索；用 Coco-LoRA 或 Coco-PE 结合自反思样本更新。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae3814d90fff8f49e1d86c9"><li><b>局限</b>：missed-opportunity 信号只是潜在机会而非已确认偏好，用户研究仅 10 人且以 F1 proxy 代替真实偏好，评估标签来自合成 persona。 <a class="notion-link" href="https://arxiv.org/abs/2611.13457" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-415343b68ae381f39c40e6ec9fc31ac6" data-id="415343b68ae381f39c40e6ec9fc31ac6"><span><div id="415343b68ae381f39c40e6ec9fc31ac6" class="notion-header-anchor"></div><a class="notion-hash-link" href="#415343b68ae381f39c40e6ec9fc31ac6" title="5. From Counterfactual Edits to Human Narratives: LLM-Driven Interpretations for Recommender System Explanations（捷克技术大学、因斯布鲁克大学）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">5. From Counterfactual Edits to Human Narratives: LLM-Driven Interpretations for Recommender System Explanations（捷克技术大学、因斯布鲁克大学）</span></span></h4><ul class="notion-list notion-list-disc notion-block-415343b68ae3813f9938e800e5fadf7f"><li><b>场景</b>：学术研究，无业务场景；推荐系统的反事实解释生成。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae3818aab80c0acb2745ac2"><li><b>线上效果</b>：无线上 A/B，仅离线：Correctness 最高 0.52，Informativeness 最高 0.22，语言质量 &gt;0.85。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381089131fbf754ca22e9"><li><b>问题</b>：推荐场景的 CFX 常需删除数十条历史交互，只能输出长而低层的编辑列表，用户难以理解；现有评测只关注编辑数量与成功率，几乎不考察解释是否连贯、可行动。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae38174a1bdcf373e6e8dcd"><li><b>动机</b>：反事实编辑本身是因果忠实的，缺的是以用户为中心的抽象层；LLM 可在保留反事实依据的前提下，把低层交互编辑概括为高层偏好模式。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381b2bf2cf198c843fa07"><li><b>贡献</b>：①提出以 LLM 为中介的框架，将原始反事实交互编辑列表摘要为忠实的自然语言解释。②提出拆解式交互级匹配检查加人类校准最终评测的评估方法，覆盖 Correctness、Informativeness、Linguistic Quality。③在多种 CFX 生成器与多种 LLM 上做端到端对比，验证 DPO 优化效果。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381cab5c0d0a57e458ec8"><li><b>做法</b>：四阶段流程为 CFX 方法生成 top-5 位移的交互编辑、从 CFX 集与剩余历史各均匀采样 k_gen=20 条并映射为仅含上映年份与类型的 item 元数据、LLM 以两组交互为条件生成 NLE、LLM judge 构造偏好对做 DPO 后由 ModernBERT-large 人类校准分类器评估。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381079820ce1f0d4b749d"><li><b>局限</b>：仅在 ML-1M 单一数据集上离线验证，未报告线上或真实用户研究结果。 <a class="notion-link" href="https://arxiv.org/abs/2611.13914" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-415343b68ae38180af3dd08c2bac5ac0" data-id="415343b68ae38180af3dd08c2bac5ac0"><span><div id="415343b68ae38180af3dd08c2bac5ac0" class="notion-header-anchor"></div><a class="notion-hash-link" href="#415343b68ae38180af3dd08c2bac5ac0" title="6. CAppleNet: A Coordinate Attention-Based YOLO11 for Real-Time Apple Stem Cavity and Calyx Detection（Apple）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">6. CAppleNet: A Coordinate Attention-Based YOLO11 for Real-Time Apple Stem Cavity and Calyx Detection（Apple）</span></span></h4><ul class="notion-list notion-list-disc notion-block-415343b68ae381b5bd4ac3cfdfc77e82"><li><b>场景</b>：学术（无业务场景）；面向工业水果分拣与定向的实时苹果果梗腔、花萼检测。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381d2b918d56a3678b149"><li><b>线上效果</b>：无线上 A/B，仅离线；自建 151 图测试集上 Coordinate Attention 替换版 mAP@0.5 0.935、果梗腔 F1 0.8217。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae38189be86c76c5b8b5f8c"><li><b>问题</b>：已有苹果检测与注意力研究只报告单一已调优模型，未做受控比较，无法判断分辨率、增强、优化器、轻量模块各自对果梗腔、花萼这类细小 landmark 的独立贡献。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae38134a3c5dd50a60eff26"><li><b>动机</b>：用严格 One-Factor-at-a-Time 消融并以默认超参 YOLO11s 为固定参照，才能把收益归因到单一干预；亚果级形态凹陷具有方向对称性，位置敏感注意力比各向同性自注意力更适配，也更轻。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae38169a97ad2dc8049c695"><li><b>贡献</b>：① 自建并自标注 1506 张固定相机、固定光照苹果图像（1054 训练、301 验证、151 测试），分 fruit body、stem cavity、calyx 三类。② 以默认超参 YOLO11s 为严格基线，围绕分辨率、增强策略、优化器与学习率、轻量注意力、置信阈值做单因子消融。③ 发现把骨干中 C2PSA 原位替换为 Coordinate Attention，是唯一不劣于基线且更轻的改动：参数降 10.2%、GFLOPs 降 4.2%、mAP@0.5 0.935 为全研究最高、果梗腔 F1 0.8217。④ 确定 0.15 为部署置信阈值，并证明 CA 与强 HSV 增强不可加性叠加，组合后 F1 跌至全研究最低 0.8775。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae38196af83e515b97aeb1d"><li><b>做法</b>：以 YOLO11s 架构默认超参（640×640、最多 100 epoch、patience=30）为基线，各项改动单独施加；CoordAtt 沿高、宽轴分别池化，拼接后经共享 1×1 conv-BN-h-swish 瓶颈分成两路生成 sigmoid 注意力图 a_h、a_w 对输入逐元素重标定。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae38194a19de4cd7a9fe553"><li><b>局限</b>：mAP@0.5:0.95 从 0.627 降至 0.607，且消融效应不可叠加，结论仅限固定相机、固定光照的单一自建数据集。 <a class="notion-link" href="https://arxiv.org/abs/2611.13920" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-415343b68ae38129be51ee1802a3db1a" data-id="415343b68ae38129be51ee1802a3db1a"><span><div id="415343b68ae38129be51ee1802a3db1a" class="notion-header-anchor"></div><a class="notion-hash-link" href="#415343b68ae38129be51ee1802a3db1a" title="7. Ontology-Guided Knowledge Graph Construction and Robust Evidence Retrieval for Indian Knowledge Systems（印度理工学院海得拉巴分校、HTSR Institute、中央梵语大学）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">7. Ontology-Guided Knowledge Graph Construction and Robust Evidence Retrieval for Indian Knowledge Systems（印度理工学院海得拉巴分校、HTSR Institute、中央梵语大学）</span></span></h4><ul class="notion-list notion-list-disc notion-block-415343b68ae38151b8b4f6df2dec7e70"><li><b>场景</b>：学术（无业务场景）；任务为 RAG 证据检索（召回加重排）。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381418f25f8033dda1e9e"><li><b>线上效果</b>：无线上 A/B，仅离线；Qwen3-Reranker-4B 下 KG 单独 Multi-hop MRR@20 0.8722，KG+SV+EN 总体 MRR@20 0.7306、Recall@20 0.5134、nDCG@10 0.5376。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381498130d684dd16d1f5"><li><b>问题</b>：稠密与单向量检索只按语义相似度匹配，不显式编码实体是施动、受动还是属于某传承，两个实体同段共现并不构成关系证据；转写变体与同名异义还会让高相似段落落到错误词义上。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381679bfaca7e482b25a1"><li><b>动机</b>：把类型化、带来源链接的 KG 当作中间检索表示，本体约束抽取让实体、关系与 provenance 成为显式检索信号，再投影回原始 chunk 重排，从结构上区分「相关段落」与「证据段落」。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381998358f222900c72b2"><li><b>贡献</b>：① 提出 genre-conditioned 抽取管线，用本体规格加 Qwen3-32B 两遍抽取实体与关系并存入源链接图。② 设计 KG 证据检索流程，融合 sense-aware grounding、有界图路径、lexical anchors 与 relationship-vector search。③ 在匹配的每题候选预算和两种 reranker 下系统对比 KG 单独、SV 单独、KG+SV 与 KG+SV+EN。④ 按 Dhara Bench 类别评估普通相关性与完整证据检索，并与 Gemini 参考及检索耗时对比。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae38181b541f385a9b6afa2"><li><b>做法</b>：chunk 按 3000 字符、250 重叠切分，Qwen3-32B 以温度 0 两遍抽取，MiniLM-L6-v2 名嵌入做合并，Neo4j 存 161,114 节点、769,239 关系；检索经多通道实体 grounding、两跳有界路径、词法锚点与 BGE-M3 关系向量检索，RRF 融合后投影回原始 chunk，再用 BGE-reranker-v2-m3 或 Qwen3-Reranker-4B 重排。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381b08687ea04f7a05275"><li><b>局限</b>：图未经专家验证且存在漏抽与错误合并，全部比较为描述性、无显著性检验，KG 检索时延 20.374 s 也远高于 SV 的 0.646 s。 <a class="notion-link" href="https://arxiv.org/abs/2611.14050" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-415343b68ae381cfb84dc2e0488fe3bb" data-id="415343b68ae381cfb84dc2e0488fe3bb"><span><div id="415343b68ae381cfb84dc2e0488fe3bb" class="notion-header-anchor"></div><a class="notion-hash-link" href="#415343b68ae381cfb84dc2e0488fe3bb" title="8. From Show Programs to Linked Data（雷恩大学 APP、Enssib Élico、Takin Solutions）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">8. From Show Programs to Linked Data（雷恩大学 APP、Enssib Élico、Takin Solutions）</span></span></h4><ul class="notion-list notion-list-disc notion-block-415343b68ae3814293ddd474242c46e1"><li><b>场景</b>：学术（无业务场景）；文化遗产与表演艺术档案数字化。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae38123a5e1f5fc8a459371"><li><b>线上效果</b>：无线上 A/B，仅离线；Claude Sonnet 3.7 在人工标注集上文档级 Levenshtein 0.9817、句/行级 P/R 0.82/0.86、NER Levenshtein 0.9958，转录准确率超 98%。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381a587ece920d80b01bf"><li><b>问题</b>：传统 OCR 在节目单的多语言、多栏、装饰字体版面上表现差，现有数据库只保留极少元数据，角色与技术人员信息被系统性丢失，而开放式 LLM 生成还会系统性幻觉（如为虚构地点编造 Wikidata QID）。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381c781cadad990f79047"><li><b>动机</b>：以领域本体作为结构骨架约束 LLM 生成，比无约束生成一致性更高、幻觉更少；VLM 无需文档特定训练即可处理异构历史版面。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381aca1b5f839fc169b4e"><li><b>贡献</b>：① 提出 VLM 转录加 LA-PA 本体建模、语义标注的可复现三阶段工作流，在异构遗产文档图像上实现超过 98% 的转录准确率。② 发布 LA-PA，即 Linked Art 的表演艺术领域扩展，13 个语义模型覆盖事件、对象、主体三层，2026 年 4 月以 v0.9 开放文档发布。③ 验证 GRPO 在线强化学习配合形式奖励与软奖励，可让 Pleias-350m 小模型学会符合本体约束的结构化标注。④ 在阿维尼翁戏剧节约 1,840 份节目单（1954–2022）上落地，全语料转录约 80 美元、含评测总成本约 100 美元。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae38165a7eec2be3a16eb1d"><li><b>做法</b>：三阶段流水线先用 Claude Sonnet 3.7 做页面转录，再以 LA-PA 在 CIDOC CRM / Linked Art 上扩展并复用 Getty AAT、BnF Roles、VIAF 等受控词表；语义标注先用 Pleias-350m 经 GRPO 训练，形式奖励强制 LA-PA 属性合规，Gemma 12b 作 judge 给 0–10 软奖励，最终收敛到基于 reasoning 模型的生产管线。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae38193828af2be75ac01bb"><li><b>局限</b>：语料暂不含 1954 年前且止于 2022 年，LA-PA 仍为 v0.9，幻觉降低在摘要中仅有定性表述、未给量化幅度。 <a class="notion-link" href="https://arxiv.org/abs/2611.14037" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-415343b68ae38170b7c7db707d1a2b61" data-id="415343b68ae38170b7c7db707d1a2b61"><span><div id="415343b68ae38170b7c7db707d1a2b61" class="notion-header-anchor"></div><a class="notion-hash-link" href="#415343b68ae38170b7c7db707d1a2b61" title="9. StaRSE: Compact Russian Sentence Embeddings with a Sign-Coded Static Encoder（圣彼得堡国立信息技术、机械与光学大学）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">9. StaRSE: Compact Russian Sentence Embeddings with a Sign-Coded Static Encoder（圣彼得堡国立信息技术、机械与光学大学）</span></span></h4><ul class="notion-list notion-list-disc notion-block-415343b68ae3812ea2cdc72730451001"><li><b>场景</b>：学术（无业务场景）；俄语句向量与轻量检索。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381bcb41dfde93374af23"><li><b>线上效果</b>：无线上 A/B，仅离线；RuMTEB v1.1 共 23 个任务 task mean 51.16、MLDR-RU 长文档检索 nDCG@10 51.66，CPU 单句时延 0.08 ms。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae38126b000d50e06f985b4"><li><b>问题</b>：Transformer 句编码器对每条 query 与 document 都要做一次前向，在 CPU、高频刷新、超大规模语料场景下成本不可接受；现有俄语静态模型基本停留在词级，多语静态模型也未针对俄语形态与词表覆盖优化。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae38147914bc861c0791f32"><li><b>动机</b>：静态模型查表加池化推理便宜且可预测，真正的问题是它能否以低得多的服务成本提供有用的检索质量；复用 ruBERT 输入嵌入做 token 级降维、把 token 方向压成符号位并单独存范数，可在极低占用下保持句向量为实数。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381729ee4e0e7e7790578"><li><b>贡献</b>：① 提出 StaRSE 紧凑俄语静态句编码器，RuMTEB 51.16，比最强静态基线高 7.98 分，仅比最接近的 contextual 编码器低 2.60 分。② 用 ruBERT 输入嵌入经 token 级 PCA、ABTT、SIF-Zipf 初始化为 512 维表，在相邻句与任务形态对上做双向对称 InfoNCE 两阶段训练。③ 提出符号投影 post-training，用直通估计器回传梯度并以行、列 KL 蒸馏教师，部署时只存符号位方向与标量范数。④ MLDR-RU nDCG@10 51.66，比次优静态基线高 17.35，包体 11.3 MiB，CPU 时延约为 ruBERT-tiny-turbo 的 1/18。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae3818aa3e8e3a6dbb22d1d"><li><b>做法</b>：从 ruBERT-base 的 120,138 词 WordPiece 词表取输入嵌入，经 token 级 PCA、ABTT 丢弃前 r 个主成分、SIF-Zipf 频率加权初始化；训练数据含 Cultura RU Edu 按 Razdel 切句、lemma Dice ≥0.20 过滤的相邻句对，加 mMARCO 俄语、ru-HNP 与 ru-paraphrase-NMT-Leipzig，连续训练 20,000+10,000 步后做符号投影 post-training（前向 E^B_i = ρ_i·sign(u_i)/√d）。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae38119af9ff046d2bb9aad"><li><b>局限</b>：仅覆盖俄语，mean pooling 无法建模词序与上下文（pair classification 仅 52.50），且最终超参在全量 RuMTEB 上调过，分数存在选择偏差而非 held-out 估计。 <a class="notion-link" href="https://arxiv.org/abs/2611.14236" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-415343b68ae3818683c5de5aa72f4a67" data-id="415343b68ae3818683c5de5aa72f4a67"><span><div id="415343b68ae3818683c5de5aa72f4a67" class="notion-header-anchor"></div><a class="notion-hash-link" href="#415343b68ae3818683c5de5aa72f4a67" title="10. Point-in-Time Encoders for Earnings Calls（杜克大学）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">10. Point-in-Time Encoders for Earnings Calls（杜克大学）</span></span></h4><ul class="notion-list notion-list-disc notion-block-415343b68ae38127a1acd365ae28d8b2"><li><b>场景</b>：学术（无业务场景）；财报电话会议文本的时点化检索与量化回测。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae3819bbd64f230c0f44f1f"><li><b>线上效果</b>：无线上 A/B，仅离线；within-call recall@1 0.728（e5-base 0.584），次日收益 Spearman IC 在 0.025 基线上加 0.012（t=3.0）。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381c99d75ef6ad9c52b85"><li><b>问题</b>：现有检索器（含金融检索器）都基于在全量文本上训练过的通用编码器微调，训练 cutoff 未知，回测时向量可能编码晚于向量日期的信息而产生 look-ahead bias；而 point-in-time 语言模型又并非为检索训练，这条泄露通道此前未被测量。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae3815599accb8f65660d06"><li><b>动机</b>：回测中日期 t 可用的向量必须来自在 t 之前停止阅读的编码器；财报电话会议天然提供带日期的「分析师问题—高管回答」对，可免人工标注地用于训练与留出评测。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381f9b5d6dc1203c4bcd5"><li><b>贡献</b>：① 构建 point-in-time 检索器并比较四种训练配方，仅读会议文本、33.8M 参数的 vintage 在每个测试季度都优于所测最高 335M 的通用检索器。② 证明时点会议 embedding 能在过去收益与市值基线上提升次日收益预测，rank correlation 提高约一半且统计显著。③ 量化编码器泄露的 look-ahead premium，发现其取决于配方与用途：链式 vintage 因读到更晚文本而检索更优（replay 控制排除训练更久的影响），从零固定预算家族无净增益，2024 vintage 改善基本面预测但不改善任何期限的收益预测。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae3811ab77dfb3856966e49"><li><b>做法</b>：用 ModernBERT（12 层、hidden 384、33.8M 参数）按 2010–2024 逐年 cutoff 只读截止日前文本，比较从零固定 1.2B token、链式续训、ChronoBERT 直接对比微调、ChronoBERT 加 DAPT 四种配方；统一用会议内问答对做 InfoNCE 对比微调（τ=0.05），并以 registry 在查询时强制 cutoff。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae3812e936ed2b8c63c1a6a"><li><b>局限</b>：从零训练家族无净 look-ahead 增益，earnings surprise 增益在无 vintage 读过的 call 上区间含零，且每个 vintage 仅单次训练、配方覆盖有限。 <a class="notion-link" href="https://arxiv.org/abs/2611.14325" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-415343b68ae3813c8db1e7b0eb59b0b3" data-id="415343b68ae3813c8db1e7b0eb59b0b3"><span><div id="415343b68ae3813c8db1e7b0eb59b0b3" class="notion-header-anchor"></div><a class="notion-hash-link" href="#415343b68ae3813c8db1e7b0eb59b0b3" title="11. AutoManifold: Agentic Design of Data Visualisation Algorithms via Manifold Embedding（曼彻斯特大学、X32 Studio）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">11. AutoManifold: Agentic Design of Data Visualisation Algorithms via Manifold Embedding（曼彻斯特大学、X32 Studio）</span></span></h4><ul class="notion-list notion-list-disc notion-block-415343b68ae381e69d4dd4ba2fb6f16b"><li><b>场景</b>：学术研究，无业务场景，任务是自动设计数据可视化与流形嵌入算法。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381cf92a2d3e9840d2276"><li><b>线上效果</b>：无线上 A/B，仅离线：kidney 上 Auto-Sil 的 silhouette 0.9392（最佳基线 0.1461），iris 上 Auto-ρ 的 ρ 0.9967、Auto-S 的 stress 0.0334。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381d2a628db2225f3100f"><li><b>问题</b>：t-SNE、UMAP、PaCMAP 的设计目标与归纳偏置在开发时即固定，用户只能用少量算法特定超参数微调，无法按自己指定的结构优先级定制，而人工重设计嵌入算法门槛高且耗时。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae3810c8d5fe9da2e383734"><li><b>动机</b>：直接把 LLM 当代码生成器不可靠，易产生数值病理、目标失准与静默正确性失败，应以统一嵌入框架作算法骨架、由确定性引擎客观度量，坚持 agents propose、engines measure。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381399272c332b07afcbb"><li><b>贡献</b>：① 提出统一流形嵌入框架，识别难度分级、亲和矩阵、优化形式、配置决策与超参数精化等核心组件并给出结构化公式模板。② 提出 AutoManifold 多智能体系统，以该框架为骨架实现可靠可控、具组合新颖性的算法生成，支持新函数设计、配置搜索与超参数优化的嵌套任务。③ 在 6 个真实数据集上从全局、局部、离群点多视角对比强手工基线，无优先级时性能更均衡更强，优先级驱动时可显著推高目标指标。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae38141a30dd729d6b66b17"><li><b>做法</b>：三层架构中 planner agent 编排预分析与六阶段流程，12 个受 JSON schema 约束的 LLM worker 只做推理，确定性 compute engine 计算嵌入与可靠性分数并原样回注上下文以防伪造指标；agent 从 6 个亲和原语、5 个目标原语、4 个 solver 原语的受限词表自由组合，主干 LLM 为 Gemini-3.1-Pro。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae38196895eed308f8a8170"><li><b>局限</b>：新颖性仅为已知组件的组合新颖，面向全局指标的设计稳定性较差（Auto-ρ 方差大），且距离保持与簇分离存在内在冲突、优化单一指标仍需在其他性质上取舍 <a class="notion-link" href="https://arxiv.org/abs/2611.13710" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-415343b68ae3813a9f0fd39e6aec9b6c" data-id="415343b68ae3813a9f0fd39e6aec9b6c"><span><div id="415343b68ae3813a9f0fd39e6aec9b6c" class="notion-header-anchor"></div><a class="notion-hash-link" href="#415343b68ae3813a9f0fd39e6aec9b6c" title="12. EJAI: Judgment-Preserving Civic AI for Data Center Environmental Justice（北卡罗来纳大学教堂山分校计算机科学系、数据与信息科学学院、Society-Centered AI Lab）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">12. EJAI: Judgment-Preserving Civic AI for Data Center Environmental Justice（北卡罗来纳大学教堂山分校计算机科学系、数据与信息科学学院、Society-Centered AI Lab）</span></span></h4><ul class="notion-list notion-list-disc notion-block-415343b68ae381ff8eacec760721609a"><li><b>场景</b>：学术研究，无业务场景，面向前数据中心环境正义议题的公民 AI 证据工具。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae3815f90f3d5fb2672addc"><li><b>线上效果</b>：无线上 A/B，仅离线：Faithfulness 98.4%、Citation Accuracy 89.1%、Negative Rejection 32/33。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae3814da4b2c030942f5628"><li><b>问题</b>：现有环境正义仪表盘只给抽象指标、不解释含义与缺失数据，居民用先验假设填补证据空白（assumption-driven closure）；单智能体 AI 让答案替代证据核查、掩盖缺失证据，使人在检查证据前就定下解释（authority-driven closure）。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae38192a33cc76350143725"><li><b>动机</b>：把 AI 限定为只做有界证据工作的「数据中介」，依据 Sen 的能力路径与公共推理民主观，让系统开放证据、缺口与分歧供检查，而把解释与建议权留给居民。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae38128ab38d172d8f213e2"><li><b>贡献</b>：① 识别仪表盘的 assumption-driven closure 与单智能体 AI 的 authority-driven closure 两种过早闭合。② 提出 judgment-preserving civic AI 设计取向，LLM 只承担证据工作、公民解释权归用户。③ 实现 EJAI 协调管线，把地图状态接到检索规划、带引用生成、缺失数据声明与 persona 辩论。④ 基准显示 persona 对齐有 grounding 代价（Corporate Executive 覆盖率 85.2%，双人设 96.3%–100%），用户研究记录到核查引用、预演分歧与附条件建议等行为。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381c6bd7fd56a06a780c6"><li><b>做法</b>：React 加 Node.js 应用以 GPT-4o mini 负责查询路由、综合、persona 回答与 deliberation 摘要，Azure Document Intelligence 解析 PDF 并将 text-embedding-3-large 向量存入 Azure DocumentDB；retrieval planner 调用县指标、设施记录、指标元数据、文档、证词等工具，synthesizer 生成带行内引用的短答并附 missing-data statement，Environmental Advocate 与 Corporate Executive 两个 @-mention persona 共享同一检索证据并按序作答，deliberation matrix 汇总议题、共享证据、各自解释与缺失信息。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381c9a5f1ed72d1b071ce"><li><b>局限</b>：语料不平衡与双向 persona 仍是未解的正义问题，基准规模小、Corporate Executive 会省略冲突证据，部分参与者认为 persona 过于简化或有偏 <a class="notion-link" href="https://arxiv.org/abs/2611.13525" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-415343b68ae381c9a816f78cc77faf97" data-id="415343b68ae381c9a816f78cc77faf97"><span><div id="415343b68ae381c9a816f78cc77faf97" class="notion-header-anchor"></div><a class="notion-hash-link" href="#415343b68ae381c9a816f78cc77faf97" title="13. Benchmarking LLM Next-Step Recommendations with Knowledge Space Theory（圣加仑师范大学（PHSG）教育心理研究所）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">13. Benchmarking LLM Next-Step Recommendations with Knowledge Space Theory（圣加仑师范大学（PHSG）教育心理研究所）</span></span></h4><ul class="notion-list notion-list-disc notion-block-415343b68ae381339917f783f96a4d08"><li><b>场景</b>：学术研究，无业务场景，面向教育场景下的下一步学习推荐评测。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381d384b0de2126c368f8"><li><b>线上效果</b>：无线上 A/B，仅离线：exact-set accuracy 79.7%、macro F1 90.2%、Jaccard 87.6%。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae3816ea7e1d5352b2443d0"><li><b>问题</b>：LLM 推荐读起来流畅但会犯结构性错误，例如把有先修关系的任务当成并行、漏掉可行的下一步或推荐已掌握任务，而基于合理性或文本质量的评测无法判定推荐是否符合预期学习进程。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381299925eee58c2b8509"><li><b>动机</b>：学习推荐的正确性取决于具体课程与课堂的先修结构，KST 可由任务目录加先修关系确定性地算出每个知识态的全部可接受下一步，因此能作为与模型无关、可自动评分的参考。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae3813eab36f7e8e2cd0c51"><li><b>贡献</b>：① 提出以 Knowledge Space Theory 为形式化参考的 LLM 学习推荐结构准确性基准方法。② 设计四档提示条件（仅描述、模型自重构先修图、供给直接先修关系、供给全部知识状态）并完成 2400 次调用的样例研究。③ 表明供给参考结构是最大增益来源，模型排名随提示条件与内容领域改变。④ 以双目录顺序检验呈现一致性（85.25% 完全一致），并明确基准不衡量学习收益。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae38144adedef64c46a5c21"><li><b>做法</b>：由 surmise 关系生成先修闭合的知识空间，任一知识态 K 的外边缘即参考推荐集；把题目清单与已掌握集合（可叠加先修关系或全部知识态）给模型，要求返回「所有且仅」可接受的下一步，响应映射回规范 ID 后按无序集合比对，用 exact-set accuracy、precision、recall、F1 与 Jaccard 评分。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381ce9022e5bd8b67f419"><li><b>局限</b>：分数不证明学习收益、也不评判解释质量，且先修关系已知时该集合本可确定性计算，LLM 并非必需 <a class="notion-link" href="https://arxiv.org/abs/2611.13667" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-415343b68ae38136bbc3eb3568c25020" data-id="415343b68ae38136bbc3eb3568c25020"><span><div id="415343b68ae38136bbc3eb3568c25020" class="notion-header-anchor"></div><a class="notion-hash-link" href="#415343b68ae38136bbc3eb3568c25020" title="14. SHARP: Semantic Hierarchical Agentic Reasoning for Next POI Prediction with Dynamic Memory（电子科技大学）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">14. SHARP: Semantic Hierarchical Agentic Reasoning for Next POI Prediction with Dynamic Memory（电子科技大学）</span></span></h4><ul class="notion-list notion-list-disc notion-block-415343b68ae381b5bc55d97af791cc1c"><li><b>场景</b>：学术研究，无业务场景，面向位置服务的 next POI 预测。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381b98ea1d24b58ad97c4"><li><b>线上效果</b>：无线上 A/B，仅离线：三个数据集 Acc@5 为 53.14%/49.50%/36.47%，Acc@5/Acc@10 平均较最强基线提升 5.29/4.52 个百分点。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae38111b857ea7dae6359fe"><li><b>问题</b>：直接用 LLM 预测具体 POI 时原始 ID 不可解读、语义推理难以落到具体地点；完整历史随 check-in 线性增长会超出上下文窗口；全局转移图还会抹平周末与夜间等时间条件下的转移规律。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381d09ebae4bccb3bef35"><li><b>动机</b>：类别名称（如 Restaurant）与 LLM 先验语义天然对齐，故让 LLM 只做类别级推理，再通过语义 POI 表示把类别引导传给具体 POI 预测器，同时用动态记忆压缩历史、用多粒度时间图保留时间条件性转移。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae3812ebf79eb1b9f7b239b"><li><b>贡献</b>：① 提出 SHARP 分级智能体框架，将类别级推理经语义 POI 表示连接具体 POI 预测并端到端联合优化。② 设计动态轨迹记忆库，保留早期移动模式并跟踪行为变化，token 消耗较全历史降低 86.14%–91.86%。③ 构建多粒度时间感知类别转移图（全局、周类型、时段、联合共 21 张），为 agent 提供可解释的时间条件性集体转移模式。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae3811ebeb5d00d5bffae8a"><li><b>做法</b>：轨迹记忆 agent 维护长期画像、上下文状态与统计信息并增量更新；类别预测 agent 结合记忆、目标时间与 3 跳内图检索预测 Top-K 类别；RQ-VAE 将 Item2Vec 行为表示与类别、时段、星期、地理特征量化为 SID，用选中的 codebook 向量构造语义 POI 表示，再由 causal Transformer 加 correction encoder 的 category-guided predictor 打分，骨干为 Llama3.1-8B（vLLM）。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381f186c9f4f7792c4427"><li><b>局限</b>：仅在三个公开数据集上验证、未涉及线上部署，相较直接预测 POI 的多 agent 方案其关键差异是 LLM 只预测类别并由语义表示引导打分 <a class="notion-link" href="https://arxiv.org/abs/2611.14220" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-415343b68ae38138849eee0d66329e39" data-id="415343b68ae38138849eee0d66329e39"><span><div id="415343b68ae38138849eee0d66329e39" class="notion-header-anchor"></div><a class="notion-hash-link" href="#415343b68ae38138849eee0d66329e39" title="15. FERN: Cross-Benchmark Table Retrieval for Text-to-SQL with Frozen Retrievers and Learned Ranking（SAP）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">15. FERN: Cross-Benchmark Table Retrieval for Text-to-SQL with Frozen Retrievers and Learned Ranking（SAP）</span></span></h4><ul class="notion-list notion-list-disc notion-block-415343b68ae381b19805f1712257fe55"><li><b>场景</b>：学术评测，无业务落地，面向企业跨库 text-to-SQL 的表检索与 schema linking。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae3813abd00c81f02ca722a"><li><b>线上效果</b>：无线上 A/B，仅离线：Spider R@15 99.1、complete@5 95.6，单 A100 中位延迟 208 ms。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381938d8ace080d6485ad"><li><b>问题</b>：现有 LLM 链接方法（如 RASL）需用托管模型抽关键词并选表，要把 schema 和问题发到外部服务且产生调用成本，企业场景不可接受，且多数方法假设目标数据库已知。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae3813c8706cd0ecbdbdc1a"><li><b>动机</b>：IR 早已用学习排序融合多个弱相关信号，而这些信号（词法检索、现成 embedding、schema 统计）均可本地运行，故一个在公开基准上训练一次的排序器或可替代生成式选表。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae3812b95e0e39f772cd7ef"><li><b>贡献</b>：① 提出 FERN：三路冻结检索器融合出 100 候选、最多 120 个 schema 特征、LightGBM lambdarank 一次拟合，含 ev/q/schema 三变体，单卡约 0.2 秒/题且无托管模型调用。② 在 pooled BIRD、Spider、Fiben 上与 RASL 公开表召回对比，设计规则预先声明、排序器只拟合一次，Spider 与 Fiben 未参与任何设计决策。③ 分析冻结配置下各特征组在不同表预算下的作用：仅检索信号或仅非检索特征都能到 R@15 约 98，二者结合使 complete@5 提升 7.7 点。④ 在 BEAVER 企业基准与 Fiben 不透明财务 schema 上做迁移实验，区分 recall 与完整表集恢复，划出公开数据排序器够用与不够用的边界。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae3810eb17ac813b6edee4f"><li><b>做法</b>：每表构造 full card 与 name card，用 BM25 两个视图、Qwen3-Embedding-0.6B 两个视图、BGE-large 共五路冻结打分，经 RRF 融合取前 100 候选；对候选计算 score、agree、db、lex、cov、ev、val、type、meta、graph、q、emb 十二族共 120 个特征，用 LightGBM lambdarank 按题分组打分排序，超参数预先设定不调。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381778e34c95d07febfe6"><li><b>局限</b>：在不透明 schema（Fiben）与目标域完整表集恢复（BEAVER）上明显落后，公开数据排序器有明确边界；相较 RASL 的差异是零生成式调用、只拟合一次且不依赖目标库监督 <a class="notion-link" href="https://arxiv.org/abs/2611.14477" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-415343b68ae3817e95e2e9909864108f" data-id="415343b68ae3817e95e2e9909864108f"><span><div id="415343b68ae3817e95e2e9909864108f" class="notion-header-anchor"></div><a class="notion-hash-link" href="#415343b68ae3817e95e2e9909864108f" title="16. An evidence-traceable benchmark of clinical reasoning in large language models"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">16. An evidence-traceable benchmark of clinical reasoning in large language models</span></span></h4><ul class="notion-list notion-list-disc notion-block-415343b68ae381fdb4f9ec75397fad31"><li><b>场景</b>：学术（无业务场景），医学 LLM 临床推理的评测基准。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381d49530f53554aaddd8"><li><b>线上效果</b>：无线上 A/B，仅离线：主指标 ETS 与 macro-F1。ETS 在指南知识 0.975-0.997、标准化场景 0.292-0.658、真实世界实验室场景 0.182-0.447；真实场景中识别临床信息 0.770，匹配证据 0.165、形成建议 0.160；自动评分 macro-F1 0.930（95% CI 0.915-0.945）。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381d6a3d2db21bfef56b9"><li><b>问题</b>：现有医学 LLM 基准的评分标准无法追溯到临床证据，分数难以解释，也无法判断模型是否真正使用了证据。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381959ba9ed53a9646b08"><li><b>动机</b>：将每条医学主张标准绑定到版本化原文 span，使评分可溯源，并分层区分指南知识记忆与患者特异性证据应用。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381268028f271aae8ec50"><li><b>贡献</b>：① 构建 MEB，含 1,536 条医师构建条目，覆盖指南知识、标准化临床场景、真实世界实验室场景三层。② 每条标准链接到版本化源文本 span，实现评分可溯源。③ 提出 Evidence Trace Score（ETS），评测十个 LLM 并揭示层级间排名变化。④ 在 1,296 条标准级判断上验证自动评分与三位医师多数投票的一致性。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae3815088a6e991f7d8f195"><li><b>做法</b>：构建分层基准 MEB，每条标准绑定版本化原文 span；用 ETS 度量十个 LLM 的证据溯源表现，并以三医师多数投票检验自动评分。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381948361e7c5b84395a9"><li><b>局限</b>：指南知识回忆不能保证患者特异性证据使用，且结果仅基于中文材料、未确立临床有效性。<a class="notion-link" href="https://arxiv.org/abs/2611.13562" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-415343b68ae381feb183d12ae009b98f" data-id="415343b68ae381feb183d12ae009b98f"><span><div id="415343b68ae381feb183d12ae009b98f" class="notion-header-anchor"></div><a class="notion-hash-link" href="#415343b68ae381feb183d12ae009b98f" title="17. Controlled Knowledge Engineering for Taxonomy Induction with Tool-Grounded LLM Agents and Runtime-Adaptive Policies"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">17. Controlled Knowledge Engineering for Taxonomy Induction with Tool-Grounded LLM Agents and Runtime-Adaptive Policies</span></span></h4><ul class="notion-list notion-list-disc notion-block-415343b68ae38100a368f5706b7e2d53"><li><b>场景</b>：学术（无业务场景），taxonomy 自动归纳与结构化知识构建。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381638d42d7e91eb711dd"><li><b>线上效果</b>：无线上 A/B，仅离线：structural quality 与 precision（摘要未给出具体数值）。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381e19867d19e2160eb75"><li><b>问题</b>：LLM 迭代式自由生成易遗漏或幻觉出候选集外实体、生成非法层级关系、组织原则前后不一致。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381b093fbe8e196a2acf2"><li><b>动机</b>：taxonomy 需要的是完整、结构合法且语义一致的层级而非看似合理的文本，因此把归纳约束为显式状态与受限动作空间上的迭代决策，用工具执行与策略约束替代自由发挥。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae3819a8f52d5d6a7967dc3"><li><b>贡献</b>：① 提出 TIGA，将 taxonomy induction 形式化为显式状态与受限动作空间上的迭代决策过程。② 整合可执行的 taxonomy 编辑工具、记录工具调用/理由/结果的 memory，以及运行时自适应组织策略。③ 引入可选 global reviewer，按候选实体集与当前生效策略评估已构建的 taxonomy。④ 在 4 个基准 taxonomy、2 个 LLM backbone 上与 single-shot/迭代 prompting 基线对比，多数配置结构质量最优，并报告成本与消融。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae38173bd05fe287e9d8c6c"><li><b>做法</b>：将 state 显式化，action 限定为可执行的 taxonomy 编辑工具；interaction memory 记录 tool calls、rationales 与 outcomes，runtime-adaptive organizational policy 由 agent 在推理过程中修订。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae38123aea8db3d95cecfd0"><li><b>局限</b>：token 消耗、API 调用量与推理时间显著更高，precision 未全面占优，global review 的收益取决于数据集与可用修订预算。<a class="notion-link" href="https://arxiv.org/abs/2611.13966" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-415343b68ae3814aa795d3f3074f3c90" data-id="415343b68ae3814aa795d3f3074f3c90"><span><div id="415343b68ae3814aa795d3f3074f3c90" class="notion-header-anchor"></div><a class="notion-hash-link" href="#415343b68ae3814aa795d3f3074f3c90" title="18. Exploiting Feature-invariant Scaling Laws for Efficient A/B Experimentation in Recommendation Systems"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">18. Exploiting Feature-invariant Scaling Laws for Efficient A/B Experimentation in Recommendation Systems</span></span></h4><ul class="notion-list notion-list-disc notion-block-415343b68ae381718ecfc0adeb9c7047"><li><b>场景</b>：学术（无业务场景），推荐系统特征改动的实验方法。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae38132ab12ec941a29379c"><li><b>线上效果</b>：无线上 A/B，仅离线：在 MovieLens-20M 等基准上以全量评估所需算力的一小部分区分有益、中性、退步改动（摘要未给出具体指标数值）。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae38171876afde399418174"><li><b>问题</b>：每个特征改动都做全量 A/B 实验（全模型训练加线上数据）计算代价过高，而单次小规模实验的结果往往有误导性。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae38108bdb5cd600b738a6a"><li><b>动机</b>：现代推荐模型的性能变化在不同特征改动下都遵循可预测的 scaling law（feature-invariant scaling），因此小规模实验可经统计推断外推到全量规模。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae3813ba941e1e8f877396e"><li><b>贡献</b>：① 揭示现代推荐模型具有 feature-invariant scaling，不同特征改动下性能变化仍遵循可预测的 scaling law。② 提出利用 scaling law 与统计推断、带置信区间预测全量 A/B 效果的方法。③ 在 Wukong、HSTU、LLM-based 三类模型家族 40+ 项改动上验证，仅用一小部分算力即可区分改动好坏。④ 发现多项可提升 HSTU 在 MovieLens-20M 上 SOTA 性能的改动。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae3812f90fef766f8abda60"><li><b>做法</b>：对每个特征改动只做小规模实验，用特征不变 scaling law 建模性能随规模的变化，再以统计推断预测全量规模的性能变化并给出置信区间，从而用少量算力过滤中性或退步改动。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381458201d992be58261a"><li><b>局限</b>：摘要未报告预测精度的具体数值，也未提及线上全量 A/B 验证结果。<a class="notion-link" href="https://arxiv.org/abs/2611.13539" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-415343b68ae38169afa8faabb536a6dc" data-id="415343b68ae38169afa8faabb536a6dc"><span><div id="415343b68ae38169afa8faabb536a6dc" class="notion-header-anchor"></div><a class="notion-hash-link" href="#415343b68ae38169afa8faabb536a6dc" title="19. SeqFold: Timestamp-Addressable Compressed States for User Action Sequence Backbones（酷澎）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">19. SeqFold: Timestamp-Addressable Compressed States for User Action Sequence Backbones（酷澎）</span></span></h4><ul class="notion-list notion-list-disc notion-block-415343b68ae38110b6d2e45baf25c8bc"><li><b>场景</b>：电商推荐，大型电商平台的用户行为序列建模，下游覆盖搜索、推荐与查询自动补全。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381e7b0c1dd33d7536664"><li><b>线上效果</b>：无线上 A/B，仅离线：主指标 Query PR-AUC（按 query 计算后跨 query 平均）。Full Action Sequence 高 2.11% 但每快照需 6,963,200 字节，SeqFold 仅 2,048 字节（3,400× 缩减）；连续 Fusion 高 0.72% 需 262,144 字节，single-vector pooling 低 2.00%，采样 64 动作与最近 64 动作分别低 2.37%/3.98%，window pooling 落后 1.10%-1.38% 且存储大 53× 以上。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381b8b81dfa1aa15d376c"><li><b>问题</b>：冻结骨干产出的完整多层隐状态时间线（单用户最多约 205 万个浮点值）远超下游的存储、传输与训练内存预算，直接张量化实现融合递推还会物化 [B,N,C,D] 稠密前缀状态造成显存压力。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381e0accfebfa76ca10b5"><li><b>动机</b>：下游离线回填与在线服务并不需要完整隐状态时间线，只需要与目标时间戳对齐、仅包含该时刻之前动作的因果状态，因此可把多层状态导出为按时间戳寻址的共享压缩码，并将状态更新与状态物化解耦。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae38187b621ca8e1718ed93"><li><b>贡献</b>：① 将长历史骨干状态的下游复用形式化为 timestamp-addressable compressed-state export。② 提出 SeqFold，用可学习多通道融合、通道级时序衰减和 LFQ 把多层用户表示压缩成紧凑离散码。③ 设计 fused streaming export，解耦状态更新与物化，保留 action 级递推同时避免稠密前缀状态张量。④ 在专有大规模数据上验证质量-存储权衡与时间戳状态生成的扩展性。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381059349ffa2607f8fa8"><li><b>做法</b>：在冻结的因果两流骨干后逐层接入 sigmoid 门控多通道融合（各通道独立、非 softmax）、带通道级可学习衰减率的时序融合，再经 RMSNorm 与 LFQ 量化为 64-bit 码，每层 64 通道、4 层共 2,048 字节/时间戳。导出用流式递推 S(i,c)=α(i,c)·S(i−1,c)+β(i,c)·A_full(i)，Triton 融合核一次前向扫描且仅在请求时间戳物化，反向存最终状态与周期性 FP32 检查点做 reverse scan；10,000 动作下比 cumsum 基线快 19.6×，最稀疏导出快 52.2×、峰值内存 35.0→2.0 GB。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae3812b8d9ac0fd87990d8f"><li><b>局限</b>：仅在专有电商数据上以相对指标评估，训练期分组导出会带来有界的状态可见性延迟。与 SIM/MIND 等改进骨干或产出任务特定表示的方法、以及只暴露静态或请求时 embedding 的 YouTube 两阶段/DSSM 不同，本文不改骨干，而是导出按任意目标时间戳对齐的因果状态。<a class="notion-link" href="https://arxiv.org/abs/2611.13704" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-415343b68ae381de91d2c18763df4a5f" data-id="415343b68ae381de91d2c18763df4a5f"><span><div id="415343b68ae381de91d2c18763df4a5f" class="notion-header-anchor"></div><a class="notion-hash-link" href="#415343b68ae381de91d2c18763df4a5f" title="20. Beyond Fluent Responses: Finding User Dissatisfaction in Human-AI Interactions（东北大学、RIKEN、NII LLMC）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">20. Beyond Fluent Responses: Finding User Dissatisfaction in Human-AI Interactions（东北大学、RIKEN、NII LLMC）</span></span></h4><ul class="notion-list notion-list-disc notion-block-415343b68ae381ae934eea50e75936d2"><li><b>场景</b>：学术（无业务场景），真实 ChatGPT 对话交互中的用户不满检测。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae3815aafc1c403cda90c22"><li><b>线上效果</b>：无线上 A/B，仅离线：AUPRC，英文子集正例占比 17.8%。BERT-small 的 Userprev.+User 达 33.2%、User 达 33.1%；LOF(GPT) 的 Userprev.+User 为 32.8%（较 User +12.8）；多语言 LOF 中该优势消失、System+User 更高。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae38140afd0f9e5cd8cd21f"><li><b>问题</b>：传统响应评估只看响应本身的正确性与连贯性，但用户满意度取决于主观偏好与感知有用性，二者并不对齐。用户即使有情绪，也未必在文本中显式表达。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae3817b8260c05cffd68abe"><li><b>动机</b>：响应生成质量已大幅提升，评估应转向用户视角；不满可能不显式表达，但与上一条用户语句相比的行为、风格变化可能成为可检测线索。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381109baff524110a8d10"><li><b>贡献</b>：① 将用户不满检测形式化为语句级任务，以用户自报标签为 ground truth，并定义 System、User、System+User、Userprev.+User 四种输入条件。② 用二元分类与异常检测两类方法验证仅凭用户语句即可超过 17.8% 的正例占比基线，最高约 15 个百分点。③ 发现英语中引入前一条用户语句对异常检测最有效，并用短语句与风格向量变化解释其机理。④ 将分析扩展到波兰语、西班牙语、日语，发现不满线索存在明显跨语言差异。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381459ab6f74ed9fe24ab"><li><b>做法</b>：二元分类用 BERT-small/BERT-mini 微调与 GPT-5.1 zero-shot/two-shot；异常检测把输入转为 bert-base-uncased 或 text-embedding-3-large 嵌入，用 LOF、LUNAR、AE、VAE 打分；以 AUPRC 评估，5 个随机划分 6:1:3。</li></ul><ul class="notion-list notion-list-disc notion-block-415343b68ae381b9a09fd43111e36242"><li><b>局限</b>：数据规模小（107 段对话、824 条语句）、不满定义主观，多语言差异与数据量效应无法区分。与把用户语句当作评估响应反应信号的工作不同，本文聚焦语句中隐含的 dissatisfaction 本身，并利用前一条用户语句的变化信号。<a class="notion-link" href="https://arxiv.org/abs/2611.13894" target="_blank" rel="noopener noreferrer">↗</a></li></ul><hr class="notion-hr notion-block-415343b68ae381898253c5a409cf7044"/><div class="notion-text notion-block-415343b68ae381b4b14fc2faae9e4d3d"><em>本日报由 AI 自动生成，解读观点仅供参考。</em></div></main></div>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[推荐算法日报 - 2026-11-10]]></title>
            <link>https://www.bins-log.com/article/daily-report-2026-11-10</link>
            <guid>https://www.bins-log.com/article/daily-report-2026-11-10</guid>
            <pubDate>Tue, 10 Nov 2026 00:00:00 GMT</pubDate>
            <description><![CDATA[工业论文的“结果”栏正在分裂：系统指标与约束满足率取代单一效果指标：RecoGEM 用集群峰值 60,000 QPS、P99 低于 35ms、吞吐提升 2.88× 和 9 个月稳定运行证明生产可用，通篇没有一个 CTR 数字；TS-GEAR 则同时报出广告收入 +4.2% 与 ValidRate@50 95.8% 这类“约束满足”指标。]]></description>
            <content:encoded><![CDATA[<div id="notion-article" class="mx-auto overflow-hidden "><main class="notion light-mode notion-page notion-block-414343b68ae381f99ddce6494ef49a42"><div class="notion-viewport"></div><div class="notion-collection-page-properties"></div><h3 class="notion-h notion-h2 notion-h-indent-0 notion-block-414343b68ae381bbbf1feed918900130" data-id="414343b68ae381bbbf1feed918900130"><span><div id="414343b68ae381bbbf1feed918900130" class="notion-header-anchor"></div><a class="notion-hash-link" href="#414343b68ae381bbbf1feed918900130" title="一、📊 趋势分析"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">一、📊 趋势分析</span></span></h3><div class="notion-text notion-block-414343b68ae3816981cfda795531112b"><b>🔥 工业论文的“结果”栏正在分裂：系统指标与约束满足率取代单一效果指标</b>：RecoGEM 用集群峰值 60,000 QPS、P99 低于 35ms、吞吐提升 2.88× 和 9 个月稳定运行证明生产可用，通篇没有一个 CTR 数字；TS-GEAR 则同时报出广告收入 +4.2% 与 ValidRate@50 95.8% 这类“约束满足”指标。判断：生成式推荐进入生产后，评价体系必须同时容纳“跑得多快”和“约束守得多严”，只报离线 HR 的 GR 论文会越来越难被工业界采信。</div><div class="notion-text notion-block-414343b68ae3812fb397ceecc2ae3a6a"><b>💡 审计与复现集中爆发，矛头全部指向“默认值”</b>：TTP 基准审计发现 4 个实例租金被存成 R=0.00 而退化为 0-1 背包，导致 dsj1000 上 9 个方法里 5 个报告同一个值 144,219；热舒适复现把 CCM 的 F1-macro 打到 0.31/0.29，低于均匀随机的 0.333；Likert 间距审计显示 α=2 时候选人 top-1 切换率达 37.7%。判断：社区的问题意识正从“模型不够好”转向“指标到底在测什么”，而这些工作共享同一根因——未公开、未做敏感性分析的编码选择足以改写结论。</div><div class="notion-text notion-block-414343b68ae381f8af59f18bbbfd98ec"><b>💡 Semantic ID 成为新的建模战场，业务先验被写进 token 空间</b>：TS-GEAR 的 GSID 用 3 个 geohash-6 地理 token 加 3 个语义 token，把配送可达性从生成后的硬截断变成解码约束；RecoGEM 把 SID 步间的异构形状保留为 runtime 与 engine 的架构边界；Pinterest 则用平均 2000 的簇把 VLM 标注成本压到 0.05%。判断：SID 不再只是压缩工具，而是承载地理、成本、语义等价类的可微接口——谁定义 ID 结构，谁就定义了模型能表达什么约束。</div><h3 class="notion-h notion-h2 notion-h-indent-0 notion-block-414343b68ae38122ba79ce09590b2383" data-id="414343b68ae38122ba79ce09590b2383"><span><div id="414343b68ae38122ba79ce09590b2383" class="notion-header-anchor"></div><a class="notion-hash-link" href="#414343b68ae38122ba79ce09590b2383" title="二、📋 今日速览"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">二、📋 今日速览</span></span></h3><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-414343b68ae381fc8ee3f7319d3e8342" data-id="414343b68ae381fc8ee3f7319d3e8342"><span><div id="414343b68ae381fc8ee3f7319d3e8342" class="notion-header-anchor"></div><a class="notion-hash-link" href="#414343b68ae381fc8ee3f7319d3e8342" title="▍工业界（2 篇）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">▍工业界（2 篇）</span></span></h4><table class="notion-simple-table notion-block-414343b68ae3811486eff09153330e92"><tbody><tr class="notion-simple-table-row notion-simple-table-header-row notion-block-414343b68ae381c8b816c368e6e625d9"><td class="" style="width:120px"><div class="notion-simple-table-cell">方法</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">机构</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">关键结果</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">证据</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">部署</div></td></tr><tr class="notion-simple-table-row notion-block-414343b68ae3814b8a4ce950c6cfeaa6"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.12296" target="_blank" rel="noopener noreferrer">RecoGEM</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">快手、北京大学</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">生产级 GR 服务系统 RecoGEM，单实例 1000+ QPS、P99&lt;35ms，吞吐提升 2.88×</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">A</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">全量</div></td></tr><tr class="notion-simple-table-row notion-block-414343b68ae3812484def7d501f047a0"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.12725" target="_blank" rel="noopener noreferrer">GLOC（Generative Labeling On Clusters）</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">INTRODUCTION</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">GLOC 用图像 embedding 层次聚类、VLM 只标簇代表图，pivot CTR 较基线 +69.5%。</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">A</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">A/B</div></td></tr></tbody></table><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-414343b68ae38188bcdef2ae38e8cfff" data-id="414343b68ae38188bcdef2ae38e8cfff"><span><div id="414343b68ae38188bcdef2ae38e8cfff" class="notion-header-anchor"></div><a class="notion-hash-link" href="#414343b68ae38188bcdef2ae38e8cfff" title="▍学术界（17 篇）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">▍学术界（17 篇）</span></span></h4><table class="notion-simple-table notion-block-414343b68ae381a88afbe4bd7d1d4fd1"><tbody><tr class="notion-simple-table-row notion-simple-table-header-row notion-block-414343b68ae381f689a7fa42ebb5d99b"><td class="" style="width:120px"><div class="notion-simple-table-cell">方法</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">机构</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">关键结果</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">证据</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">部署</div></td></tr><tr class="notion-simple-table-row notion-block-414343b68ae3812fa8fedb8f2fa9e7e1"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.12180" target="_blank" rel="noopener noreferrer">TS-GEAR</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">淘宝</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">面向淘宝闪购即时配送搜索广告的生成式召回框架，线上曝光+3.8%、收入+4.2%。</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">A</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">未部署</div></td></tr><tr class="notion-simple-table-row notion-block-414343b68ae38150b2b1f9b6192de67b"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.11801" target="_blank" rel="noopener noreferrer">NDL（Noise-aware Dimension Learning）</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">网易</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">提出 NDL，用表征一致性主动去噪，Recall@5 较 DAR 最高提升 17.95%</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">A</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">离线验证</div></td></tr><tr class="notion-simple-table-row notion-block-414343b68ae38112b7e0ee4eccbc70c6"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.11886" target="_blank" rel="noopener noreferrer">Multi</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">上海人工智能实验室、复旦大学、中国科学院计算技术研究所</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">三条流水线分别用结构保留解析、agent 搜索与双模态 VLM，TableIE 以 0.6566 夺冠。</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">A</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">未部署</div></td></tr><tr class="notion-simple-table-row notion-block-414343b68ae381bfb81bcf419b56abd4"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.12097" target="_blank" rel="noopener noreferrer">DcLBC（Document-Chunk Local Boundary Calibration）</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">阿里巴巴</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">提出 DcLBC，用 AMS 与 CKR 校准文档内块边界，ConTEB 最高提升 2.45 点</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">未部署</div></td></tr><tr class="notion-simple-table-row notion-block-414343b68ae3812ab265d607b948cdb6"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.11897" target="_blank" rel="noopener noreferrer">ShopMind</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">阿里巴巴</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">ShopMind 以心理世界模型模拟电商用户，个性化+18.0%、真实感+19.6%</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">未部署</div></td></tr><tr class="notion-simple-table-row notion-block-414343b68ae3815082fbcc2f93de0e79"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.12750" target="_blank" rel="noopener noreferrer">NarrativeBench（NARRATIVEBENCH）</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">约翰霍普金斯大学、Cohere、乔治梅森大学</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">构建 NarrativeBench 基准评测 14 个 LLM，发现跨语言叙事覆盖与信息对等存在显著缺口。</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">离线验证</div></td></tr><tr class="notion-simple-table-row notion-block-414343b68ae381b4b644cb59ccc14672"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.12427" target="_blank" rel="noopener noreferrer">UCB-min（变体 UCB-minV1、UCB-minV2）</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">巴黎-萨克雷大学 LISN、CNRS、格勒诺布尔-阿尔卑斯大学 LIG</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">逐臂取 UCB1/UCB-V 系更紧 bonus，异构方差 regret 799 最低</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">离线验证</div></td></tr><tr class="notion-simple-table-row notion-block-414343b68ae3816ba3c4e4c54d4a69de"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.12597" target="_blank" rel="noopener noreferrer">ttplib（修正实例集 + 开源 Python 库）</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">沙特阿拉伯 Prince Sattam bin Abdulaziz 大学、突尼斯斯法克斯大学 ENET&#x27;Com 电子与电信国家学院、斯法克斯大学理学院数据工程与语义研究组</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">发现TTP基准4个实例租金为0实为背包问题，5/9方法报同一值，重定租金并发布ttplib库</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">离线验证</div></td></tr><tr class="notion-simple-table-row notion-block-414343b68ae381fbbae1c3d1997c90a3"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.11955" target="_blank" rel="noopener noreferrer">CHO-Bench（CHO，Context Hint Optimization）</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">新加坡国立大学、PyroWis AI</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">构建 CHO-Bench 离线基准，119 万次配对评测显示 context hints 使广告排名平均提升 0.56–1.16 位</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">离线验证</div></td></tr><tr class="notion-simple-table-row notion-block-414343b68ae381bf8f93d118d7d831d7"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.12313" target="_blank" rel="noopener noreferrer">Hidden Distances</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">哥本哈根信息技术大学、Pioneer Centre for AI</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">审计丹麦 VAA：Likert 间距 α 翻倍使 37.7% 候选人首选推荐改变</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">未部署</div></td></tr><tr class="notion-simple-table-row notion-block-414343b68ae381b18937fd3df092fe28"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.11825" target="_blank" rel="noopener noreferrer">ACROSSVAM3.0</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">Across Physcis（北京）科技有限公司</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">冻结生成/4D重建/SLAM串联，MHAC使265个RoboTAP视频AJ较B0提升0.061</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">未部署</div></td></tr><tr class="notion-simple-table-row notion-block-414343b68ae381acb0b3e03d82126090"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.12178" target="_blank" rel="noopener noreferrer">Replication of Thermal Comfort Cohort Mo</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">Introduction</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">复现 CCMs：修订协议后 cohort 模型不及简单分布基线，原性能提升不成立</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">未部署</div></td></tr><tr class="notion-simple-table-row notion-block-414343b68ae3810ca3a0ebc774722f0b"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.11847" target="_blank" rel="noopener noreferrer">Conformal Severity Control (CSC)，含 CSC-Avg 与 CSC-Upper 两个变体</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">麦吉尔大学、佐治亚州立大学、俄亥俄大学</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">用 ATC 层级量化漏诊严重度并后验校准预测集阈值，MIMIC-IV 上平均严重度 0.2439 贴近 α=0.25。</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">未部署</div></td></tr><tr class="notion-simple-table-row notion-block-414343b68ae381cd83ffe029edf8ae4e"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.12731" target="_blank" rel="noopener noreferrer">NIFT-SQL</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">SAP</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">客户监督微调检索器与必要性 scorer 融合，complete@15 最高 89.5%，超混合搜索 39–64 点</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">离线验证</div></td></tr><tr class="notion-simple-table-row notion-block-414343b68ae381f1acadf3658430d554"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.12665" target="_blank" rel="noopener noreferrer">TPO（Trade Promotion Optimisation）系统</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">TrueGradient AI</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">同类SKU池化弹性曲线并净除促销后回落，39个SKU四周促销units+20.6%、收入+6.9%、毛利持平。</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">未部署</div></td></tr><tr class="notion-simple-table-row notion-block-414343b68ae381678a66fe26fbb64b29"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.12705" target="_blank" rel="noopener noreferrer">Multi-Agent Screening</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">University of Cambridge, Cambridge、XSci, London</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">一致性≠正确、验收只给 precision；池外审计把 recall 区间收到 13%–44%</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">未部署</div></td></tr><tr class="notion-simple-table-row notion-block-414343b68ae3814a80fbeb1aeddd812a"><td class="" style="width:120px"><div class="notion-simple-table-cell"><a class="notion-link" href="https://arxiv.org/abs/2611.12814" target="_blank" rel="noopener noreferrer">Curbside Chatbots</a></div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">美国贝斯以色列女执事医疗中心（BIDMC）数字精神病学部门与精神科、哥伦比亚哈维里亚那天主教大学医学院精神病学与心理健康系、德国柏林夏里特医学院精神病学与心理治疗系</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">审计41个LLM三视角心理健康干预推荐，模型多推荐自评高分项，但621项中83项负分仍入选</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">C</div></td><td class="" style="width:120px"><div class="notion-simple-table-cell">未部署</div></td></tr></tbody></table><h3 class="notion-h notion-h2 notion-h-indent-0 notion-block-414343b68ae381279121c7754d0e07a1" data-id="414343b68ae381279121c7754d0e07a1"><span><div id="414343b68ae381279121c7754d0e07a1" class="notion-header-anchor"></div><a class="notion-hash-link" href="#414343b68ae381279121c7754d0e07a1" title="三、🎯 今日主题"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">三、🎯 今日主题</span></span></h3><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-414343b68ae3818c8476f0dbdb1a26e3" data-id="414343b68ae3818c8476f0dbdb1a26e3"><span><div id="414343b68ae3818c8476f0dbdb1a26e3" class="notion-header-anchor"></div><a class="notion-hash-link" href="#414343b68ae3818c8476f0dbdb1a26e3" title="约束内化：把边界从后处理搬进结构"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">约束内化：把边界从后处理搬进结构</span></span></h4><div class="notion-text notion-block-414343b68ae381309ab5cc4c7699c999"><b>问题背景。</b> 推荐系统的业务约束与结构先验长期活在模型之外，用过滤器、阈值或人工规则兜底，代价是约束不可微、证据链断裂，或把成本转嫁给线上。</div><ul class="notion-list notion-list-disc notion-block-414343b68ae381b3bfe9c9994c99e415"><li>配送可达性只能靠生成后不可微的硬截断过滤，beam 中的候选被成片浪费（TS-GEAR）。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae3816e8aa8d41d759fca3f"><li>去噪方法以训练 loss 作噪声信号，噪声必须先误导模型产生误差才会被识别（RCD）。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae381258af9d807172ddd52"><li>块级检索的块边界只用于编码后池化，最终层注意力并不感知检索单元（DcLBC）。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae38131acd7c004b80d2e53"><li>企业 schema 命名隐晦且跨库数百张表，LiveSQLBench-Large 上 search top-100 仅覆盖 51.7% 的参考表（NIFT-SQL）。</li></ul><div class="notion-text notion-block-414343b68ae38164bb32c77c8bcc2417"><b>代表方案对比。</b> 六篇工作分别在解码、训练、注意力、索引四个位置把约束前移，路径各异但目标一致——让约束在计算内部生效而非事后补救。</div><ul class="notion-list notion-list-disc notion-block-414343b68ae381eaa374db696f14cd17"><li><b>RecoGEM</b>（快手、北大）：切口是 SID 步间异构与在线更新一致性，做法是把 step 边界固化为 runtime–engine 的架构与编译边界、以 contract gate 加原子指针切换热更新，结果单实例超过 1000 QPS、P99 低于 35ms、吞吐提升 2.88×，集群峰值 60,000 QPS。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae38133badacdab9a54b3c7"><li><b>TS-GEAR</b>（淘宝）：切口是即时配送的可达性，做法是把地理编码为 3 段 geohash-6 前缀加 3 个语义 token 的 GSID、解码时把前两个地理 token 约束在用户 4 位 geohash 的 3×3 邻域，结果线上 7 天曝光 +3.8%、收入 +4.2%，HR@50 0.8080 对 OneLoc 0.5929。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae381a1a988e0aa1c14d2e0"><li><b>RCD</b>（网易）：切口是让噪声信号脱离预测误差，做法是用交互表示与用户历史质心的余弦一致性、按活跃度融合 loss 并转成维度自适应掩码，结果 Recall@5 较 DAR 提升 +12.33%/+17.95%/+5.63%，且推理输出与 LightGCN 完全一致、不增线上开销。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae381d4bab4dcd0bfa79a83"><li><b>DcLBC</b>（Alibaba）：切口是查询–文档对的异质边距与块边界，做法是 AMS 实例级缩放把优化力度集中到 hardest sibling、CKR 把块路由注入 post-RoPE Keys，结果 ConTEB 八任务宏平均 NDCG@10 上 ModernBERT-large 78.61 对 InSeNT 76.70。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae3819789ffe06936a12e65"><li><b>GLOC</b>（Pinterest）：切口是 VLM 标注成本，做法是用层次 K-means 选簇代表图标注、在线按簇归属查 KV store，结果 pivot feed engagement 较 control +146%、标注成本降至 0.05%。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae381698bc0d5adeee5938c"><li><b>NIFT-SQL</b>（SAP）：切口是企业 schema 的客户特异性，做法是用客户验证问题微调逐表必要性 scorer 并与 hybrid search 融合、全程不调生成式 LLM，结果 complete@15 达 69.2%/89.5%/85.6%，而 hybrid search 仅 30.4%/41.0%/21.8%。</li></ul><div class="notion-text notion-block-414343b68ae381e99581f6e072020d97"><b>核心差异。</b> 真正的分野不在“要不要前移”，而在约束落在哪一层、以及它是硬保证还是软偏好。</div><ul class="notion-list notion-list-disc notion-block-414343b68ae3819480c0d937c2d84b4f"><li>沿“约束载体”轴：TS-GEAR 落在 token 空间、解码时生效，RCD 落在损失与表示、仅训练回路生效，DcLBC 与 RecoGEM 落在注意力与运行时架构，GLOC 与 NIFT-SQL 落在检索键与打分器。越靠近解码端越能保证可行性，越靠近索引端越依赖监督信号质量。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae381dbaa12fc9951211a1b"><li>沿“约束硬度”轴：TS-GEAR 是结构性硬约束，ValidRate@50 因此从 35.4% 升到 95.8%；RCD 用维度掩码软限维、冷启动时回退 loss；NIFT-SQL 则完全是学出来的概率偏好，没有任何硬保证，其增益也因此最依赖客户标签量（21–69 条问题的学习曲线）。</li></ul><div class="notion-text notion-block-414343b68ae3817485fbee9d166bee3e"><b>趋势判断。</b> 约束内化已是共识，但各家都只内化了一段，下一阶段的竞争是让多个约束在同一层联合可行。</div><ul class="notion-list notion-list-disc notion-block-414343b68ae381b2a39fddb4336fa6ac"><li>单一约束走向联合约束：地理之外的库存、预算、时效等约束仍普遍留在后置模块，把多组业务约束编进同一组可解码前缀、让可行性在 beam search 内一次成型，是 GR 召回最清晰的下一步。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae381bc911dc3cd45dd0adc"><li>评价从效果指标扩到“约束满足率 + 系统开销”：RCD 的“推理输出与 LightGCN 完全一致”和 RecoGEM 的“不停流热更新”会和 ROI 一样成为卖点，因为约束内化的收益只有在不牺牲延迟时才成立。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae381f78105dbb97afc8a8d"><li>用结构替代规模：GLOC 靠 2000 规模的簇摊薄标注、NIFT-SQL 靠几十条客户问题替代大模型，二者都在证明“找到正确的结构单元”比“堆更大模型”更划算；本日 19 篇中真正带线上效果的三篇（RecoGEM、TS-GEAR、GLOC）无一例外都是结构先行。</li></ul><h3 class="notion-h notion-h2 notion-h-indent-0 notion-block-414343b68ae381339695d1673b19960c" data-id="414343b68ae381339695d1673b19960c"><span><div id="414343b68ae381339695d1673b19960c" class="notion-header-anchor"></div><a class="notion-hash-link" href="#414343b68ae381339695d1673b19960c" title="四、📰 逐篇解读"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">四、📰 逐篇解读</span></span></h3><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-414343b68ae38105b9fedc9cdbbd164d" data-id="414343b68ae38105b9fedc9cdbbd164d"><span><div id="414343b68ae38105b9fedc9cdbbd164d" class="notion-header-anchor"></div><a class="notion-hash-link" href="#414343b68ae38105b9fedc9cdbbd164d" title="1. RecoGEM: A Serving System for Production-Scale Generative Recommendation（快手、北京大学）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">1. RecoGEM: A Serving System for Production-Scale Generative Recommendation（快手、北京大学）</span></span></h4><ul class="notion-list notion-list-disc notion-block-414343b68ae38119beb9ccf5eb0f819c"><li><b>场景</b>：生成式推荐生产服务。快手搜索、广告、推荐三场景，支撑 OneModel、OneRec-v2、UniSearch 等 10+ GR 模型族，覆盖约 4 亿 DAU。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae3813899bde896117d52b0"><li><b>线上效果</b>：无线上业务 A/B，未报告 CTR、eCPM、收入，仅系统指标：单实例超过 1000 QPS、P99 低于 35ms、吞吐提升 2.88×，集群峰值 60,000 QPS、MFU 55.3%，已稳定运行 9 个月。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae381f7a5e9c0819854392f"><li><b>问题</b>：GR 无法复用 LLM/RecSys 栈。解码各步的语义不同，张量形状也不一样，并且步间要按 beam 策略做候选状态转移；而 LLM 引擎只有同构 token 循环，还假设权重、词表、策略在 worker 生命周期内稳定，于是更新只能停流换引擎。执行上 GR 是 many-row 短 KV、步骤形状可预测、大 K Top-K 在关键路径，与长上下文、均匀 decode、小 sampling tail 的 LLM 优化方向相反。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae38121a6fdf29e275615a4"><li><b>动机</b>：GR 步间差异虽异构但可预测（步数、每步前缀长度、beam 宽度在给定部署下固定），应把 SID step 边界显式保留为架构边界与编译边界：runtime 管状态转移与版本一致，engine 只按每步真实出现的窄形状、短 KV 行与大 K 选择做特化。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae381c692f1febd4ab0fbce"><li><b>贡献</b>：① 提出 runtime–engine 解耦架构，runtime 管理 SID 步转移、逐请求候选状态与在线更新，engine 只做张量计算，并由自动生成的 deployment contract 固化接口。② 设计 contract gate 加原子指针切换的在线更新，权重、SID 词表与 beam 策略可热更新，且每个请求只跑单一一致版本。③ runtime 用双缓冲 gather-and-copy 把 beam 后稀疏的 self-KV 压成 dense 前缀 KV，并让 KV 拷贝与下一幸存者的地址准备流水重叠。④ 三项执行优化：row-tiled self-attention、step-granular planning、两阶段精确 Top-K。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae381c3b3d3e1598af45cd5"><li><b>做法</b>：context processor 一次产出 cross-KV 全程复用，self-KV 按 survivor indices 从 active buffer gather 进 standby prefix buffer 作为下一步 past-KV；执行侧把 beam 扩展后的行按 tile 片上融合 score、逐行 softmax 与 value reduction，编译期对 t=1 到 L 干跑推断逐步维度并生成 step-bounded profile，候选选择先在每行 precut 再在幸存者并集上做请求级 Top-K。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae38154841ec0e44259ddbe"><li><b>局限</b>：所给内容只覆盖系统指标与设计，未给出 CTR 等推荐效果收益及与具名基线的逐项对比。 <a class="notion-link" href="https://arxiv.org/abs/2611.12296" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-414343b68ae3814b9da7cdce8c27645d" data-id="414343b68ae3814b9da7cdce8c27645d"><span><div id="414343b68ae3814b9da7cdce8c27645d" class="notion-header-anchor"></div><a class="notion-hash-link" href="#414343b68ae3814b9da7cdce8c27645d" title="2. Scaling Taxonomy-Free Image Labeling with Generative AI: A Multimodal"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">2. Scaling Taxonomy-Free Image Labeling with Generative AI: A Multimodal</span></span></h4><ul class="notion-list notion-list-disc notion-block-414343b68ae381fb9428ff0b3ce9548b"><li><b>场景</b>：搜索。Pinterest 多模态 Hybrid Search 的图像 descriptors 与 pivot 查询建议。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae381d9a2a4fccf5f0ffe1d"><li><b>线上效果</b>：线上 A/B（美加，时长未报告）：pivot feed engagement 较 control +146%、较 text-GPT 基线（BT）+100%，pivot CTR 较 BT +69.5%，descriptor feed engagement 较 control +79%；离线人工评估 pivot 适用性 3.5/4、descriptor 相关性 2.51/3（不相关率仅 4%）。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae381faad83c394811687db"><li><b>问题</b>：基于 taxonomy 的预测模型受固定标签体系限制，覆盖有限、标注成本高且有人工误差；VLM 逐图生成虽更丰富，但在十亿级图像上推理成本过高、在线延迟不可接受。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae3810ea04de7d7beecce1d"><li><b>动机</b>：语义相近的图像可共享同一组 descriptors/pivots，因此只需每簇标一次并泛化到簇内成员，用平均 2000 的簇规模把 VLM 成本摊薄，同时保留 VLM 级描述质量与低延迟在线查找。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae3815eb00af6c6442dd8df"><li><b>贡献</b>：① 提出 taxonomy-free 的 GLOC 框架：大规模层次 K-means 聚类、选簇代表图、VLM 标注、在线按簇归属查 KV store。② 设计层次 K-means，把聚类复杂度从 O(N²T/C) 降为 O(NST/C)，无需分布式 GPU 集群。③ 在 Pinterest Hybrid Search 落地 descriptors 与 pivots，标注成本降至 0.05%。④ 离线人工评估与在线 A/B 均显示显著优于 taxonomy 基线与 text-GPT 基线。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae3817c9358d19c740c9279"><li><b>做法</b>：先用 k-means 粗分区使每个分区能放进单卡 GPU 内存，再在分区内二次聚类，用质心最近邻取代表图交 VLM 标注，最后合并所有质心建索引；embedding 采用 Pinterest Unified Visual Embedding，在线以单层神经网络（约 1M 质心）或 ANN 索引做归属查找后查 KV store。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae381aaade2c5d8231b90d1"><li><b>局限</b>：簇边界质量略降（成员到质心平均距离可翻倍），且依赖契合具体 insight 类型的高质量 embedding。 <a class="notion-link" href="https://arxiv.org/abs/2611.12725" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-414343b68ae3814b9eb3d14fbad716c3" data-id="414343b68ae3814b9eb3d14fbad716c3"><span><div id="414343b68ae3814b9eb3d14fbad716c3" class="notion-header-anchor"></div><a class="notion-hash-link" href="#414343b68ae3814b9eb3d14fbad716c3" title="3. TS-GEAR: Taobao Shangou GEnerative Ad Retrieval（淘宝）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">3. TS-GEAR: Taobao Shangou GEnerative Ad Retrieval（淘宝）</span></span></h4><ul class="notion-list notion-list-disc notion-block-414343b68ae38182b4d2cdecd79efc54"><li><b>场景</b>：搜索与生成式召回。淘宝闪购（即时配送）搜索广告召回。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae3819386a5f4d64e1b2a43"><li><b>线上效果</b>：线上 7 天 A/B：广告曝光 +3.8%、广告收入 +4.2%，0.1B 骨干日均服务 1.5 亿次查询；离线 TS-Delivery 生产半径 20km 下 HR@50 0.8080 对最强基线 OneLoc 0.5929（+36.3%），ValidRate@50 95.8% 对 35.4%。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae3810eb21cfe70b8b614c4"><li><b>问题</b>：现有 SID 只把地理当软信号，配送可达性只能靠生成后不可微的硬截断过滤，浪费 beam 且无法端到端优化；行为聚合未以实时查询-位置为条件导致兴趣偏差，自回归逐序列训练也缺少集合级信号抑制近重复候选。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae3818e8cafd823239fee58"><li><b>动机</b>：可达性本质上是空间前缀，应把地理编码成可解码的 GSID 前缀并在解码时结构性约束；召回交付的是一个集合，其价值取决于整体覆盖与多样性，用集合级奖励改写 RL 优势比 token 级似然更对齐业务目标。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae38132b527c94b9b5e981e"><li><b>贡献</b>：① 提出 Geo-Semantic ID（3 段 geohash-6 地理前缀加 3 个语义 token）与前缀级约束解码，把可达性从后置过滤变成生成目标。② 提出 Query-Geo Target Attention，以实时查询和位置为双目标聚合历史行为并支持跨区域兴趣迁移。③ 提出 GMPO，用去重组奖励与边际优势改写 GRPO 优势，无需辅助多样性目标即可优化集合价值并抑制策略坍缩。④ 工业与公开数据集上 HR、ValidRate 全面领先，并在线上取得曝光与收入双涨。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae381779bdad53835feaba8"><li><b>做法</b>：encoder 底层 self-attention、上层分地理与语义双路径做 Query-Geo Target Attention 并由门控 α 加权，decoder 为 T5 式自回归且 User-Geo Gate 仅在生成地理 token 时注入实时位置；解码时前两个地理 token 约束在用户 4 位 geohash 的 3×3 邻域内，先点击日志 next-token 预训练再用 GMPO 对齐，beam 300。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae381308b26fae2656ed375"><li><b>局限</b>：公开 POI 数据无真实查询与配送半径、Query Fusion 在全量人群上效果几乎不可见，且 geohash 网格尺寸随纬度变化只是近似。 <a class="notion-link" href="https://arxiv.org/abs/2611.12180" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-414343b68ae381a984b4db165692efb8" data-id="414343b68ae381a984b4db165692efb8"><span><div id="414343b68ae381a984b4db165692efb8" class="notion-header-anchor"></div><a class="notion-hash-link" href="#414343b68ae381a984b4db165692efb8" title="4. Proactive Dimension-Adaptive Denoising for Graph Collaborative Filtering via Representation Coherence（网易）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">4. Proactive Dimension-Adaptive Denoising for Graph Collaborative Filtering via Representation Coherence（网易）</span></span></h4><ul class="notion-list notion-list-disc notion-block-414343b68ae381f0bc15d7bf3e95d9ea"><li><b>场景</b>：信息流推荐。网易新闻信息流的 LightGCN 图协同过滤召回通道。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae381d9b96bec5f9adb8e49"><li><b>线上效果</b>：无线上 A/B，仅离线：Yelp、Amazon-book、MovieLens-1M 上 Recall@5 较最强基线 DAR 分别提升 +12.33%、+17.95%、+5.63%（p 远小于 0.001）；目前仅计划监控 CTR 与停留时长。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae3810397d6d00acd00321c"><li><b>问题</b>：T-CE、R-CE、DAR 等显式去噪方法都以训练 loss 作噪声信号，属被动机制——噪声先误导模型产生预测误差才被识别；且 loss 受训练阶段、负采样随机性和 hard positive 干扰，作为唯一噪声指标不可靠。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae381849baad68acf5f630a"><li><b>动机</b>：嵌入空间中噪声交互的表示会偏离用户历史偏好质心，余弦一致性可作为独立于预测误差的主动信号，且与 loss 盲区互补（冷启动用户质心不稳时回退 loss），融合可同时减少漏检噪声与误杀干净交互。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae38158928ed684489e7d23"><li><b>贡献</b>：① 提出 RCD，用交互表示与用户历史质心的余弦一致性构建不依赖预测误差的主动噪声信号。② 设计活跃度感知的 RCD/Loss 融合，并转为交互级维度自适应 mask，可靠交互用满维度、可疑交互限维。③ 三个稀疏度差异大的公开基准上全面超越 SOTA DAR，去掉对比学习的核心变体在更稀疏数据上已超 DAR，隔离出 RCD 为主要增益。④ 仅作用于训练回路，推理输出与 LightGCN 完全一致，不增加线上延迟、参数或内存。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae3811795d9dd91cfea4e4d"><li><b>做法</b>：交互表示 r_ui 取 e_u 与 e_i 的逐元素积，用户历史均值质心每 epoch 用当前嵌入重算，一致性经 sigmoid 得 α_RCD，与 EMA 平滑 loss 得到的 α_loss 按活跃度权重 w_u 融合，再取有效维度 d_ui = ⌊(1−α)d⌋ 与二值掩码对嵌入限维后做预测。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae381b78406e1eb2d049f7e"><li><b>局限</b>：假设用户短期偏好稳定、每 epoch 质心计算有额外开销、多兴趣用户场景未解决，线上效果尚待 A/B 验证。 <a class="notion-link" href="https://arxiv.org/abs/2611.11801" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-414343b68ae381c1bebbf99c8254f412" data-id="414343b68ae381c1bebbf99c8254f412"><span><div id="414343b68ae381c1bebbf99c8254f412" class="notion-header-anchor"></div><a class="notion-hash-link" href="#414343b68ae381c1bebbf99c8254f412" title="5. Multi-Modal Agricultural Document Understanding at the DAGRI Task（上海人工智能实验室、复旦大学、中国科学院计算技术研究所）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">5. Multi-Modal Agricultural Document Understanding at the DAGRI Task（上海人工智能实验室、复旦大学、中国科学院计算技术研究所）</span></span></h4><ul class="notion-list notion-list-disc notion-block-414343b68ae38105a041e61ab47795ee"><li><b>场景</b>：学术评测（DAGRI 的 TableIE 表格抽取、MTMH-QA 多表多跳问答、FiT-QA 图表问答三个子任务），无业务场景。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae381c69fd4d7cc043d83de"><li><b>线上效果</b>：无线上 A/B，仅离线：TableIE test exact match 0.6566 排名第一（baseline 0.0576）；MTMH-QA 修订后 accuracy 0.8444（初始 0.7350 居首，baseline 0.1682）；FiT-QA test BLEU 54.5788 最高，LLM Judge 与人工评估第二。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae381a4a409cebc078281fe"><li><b>问题</b>：pdftotext 一类解析把复杂表格压平，破坏表头、数值、单位关联，稀疏排班表上纯文本无法对齐数据格与行列头；跨文件 JSON 问答需精确数值匹配而语义检索难以定位证据；VLM 还会读错密集小字，并因语体、单位不一致让语义正确的答案在 BLEU 上大幅掉分。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae38187809eef37194a0112"><li><b>动机</b>：结构保留的 HTML/Markdown 能保住合并单元格、多级表头与表头-数据格对应关系，按经营类型切分长文档可降低输入复杂度并隔离失败；对需精确局部匹配的多表问答，agent 直接用 shell 逐文件探索比语义检索更能保住证据链，OCR 文本与原图互补则既防幻觉又补小字感知。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae3817a89ffd1631eef6063"><li><b>贡献</b>：① 为 TableIE 构建 MinerU 结构保留解析、按经营类型的区域自适应分段、复杂表双模态提取的多阶段流水线，test exact match 0.6566 排名第一。② 为 MTMH-QA 采用 DCI-Agent 以 shell 命令迭代探索 JSON 语料，并用 GPT-5.5 与 Qwen3.7-Max 双 agent 交叉校验与仲裁，修订后准确率 0.8444。③ 为 FiT-QA 设计 MinerU OCR 文本加原图的双模态 VLM 流水线与确定性答案归一化后处理，取得最高 BLEU 54.5788。④ 通过消融揭示 OCR 与后处理各自贡献，并讨论 BLEU 与 LLM Judge 评分分歧反映的评测问题。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae38142b42de210184d8df5"><li><b>做法</b>：TableIE 用本地部署的 MinerU（VLM backend）解析出保留 rowspan/colspan 与多级表头的 Markdown，正则按经营类型切分后以关键词过滤加类型专属 schema 交 Qwen3.7-Max 抽取；DCI-Agent 用 ls、find、grep、read 最多 100 轮定位证据；FiT-QA 把 Markdown 与原图一起输入 GPT-5.5（temperature 0.0），再做删模糊限定词、敬体转常体、补单位、合并括号注释的后处理。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae381f7b617efa5ad37078f"><li><b>局限</b>：仅在单一基准上实验、区域与文档多样性有限，跨领域与跨语言泛化性未知。 <a class="notion-link" href="https://arxiv.org/abs/2611.11886" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-414343b68ae381308504d7d441215c3f" data-id="414343b68ae381308504d7d441215c3f"><span><div id="414343b68ae381308504d7d441215c3f" class="notion-header-anchor"></div><a class="notion-hash-link" href="#414343b68ae381308504d7d441215c3f" title="6. Calibrating Document-Local Boundaries for Contextual Chunk Retrieval（Alibaba）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">6. Calibrating Document-Local Boundaries for Contextual Chunk Retrieval（Alibaba）</span></span></h4><ul class="notion-list notion-list-disc notion-block-414343b68ae381068d87f0bcfa5aa9bd"><li><b>场景</b>：学术（无业务场景），面向长文档的上下文块级检索。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae381119944fa927e8be678"><li><b>线上效果</b>：无线上 A/B，仅离线：ConTEB 八任务宏平均 NDCG@10 上 ModernBERT-base 74.89（InSeNT 73.49）、ModernBERT-large 78.61（76.70）、ModernColBERT 73.61（71.16）；NanoBEIR 上 base/large 较 InSeNT 分别 +0.44/+0.81。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae3819e9677eb0c3dfe822c"><li><b>问题</b>：InSeNT 以固定逆温度同时控制行内总优化力度与其在同文档兄弟负样本间的分配，无法适配各查询–文档对异质的 gold–hardest 边距；标准 Late Chunking 的块划分只用于编码后池化，最终层注意力并不显式感知检索单元边界。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae38165b4dbd75f03abd77e"><li><b>动机</b>：同文档的多个块共享上下文，语义相似的兄弟块难以区分，InSeNT 失败的 6,976 条查询中最高分兄弟块超过 gold 的占 82.21%。因此应以 gold 块与最强同文档兄弟块为分析单元，把条件优化力度集中到困难负样本，并让编码器注意力感知块边界。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae3816d98d8f9142f719b84"><li><b>贡献</b>：① 在查询–文档行级分析 InSeNT，把总 score-space 优化力度与兄弟负样本间的条件分配分离，并推导竞争者熵随缩放因子单调下降。② 提出 DcLBC，结合 AMS（由 gold–hardest-sibling 边距导出的 detached 实例级缩放）与 CKR（把块路由注入 post-RoPE Keys）。③ 在 ConTEB 与 NanoBEIR 上用 ModernBERT、ModernColBERT 验证，并通过组件消融与 CKR 设计实验量化各机制贡献。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae381d9a60efb351d99880f"><li><b>做法</b>：AMS 以 detached EMA 参考边距 μₜ 与实例 gold–hardest-sibling 边距（下限 ε）之比得到缩放 κᵢ 并截断到 [1, K]，κᵢ 仅作用于 InSeNT 文档内损失，等价于实例级温度 τ/κᵢ。CKR 为每个块用 GELU 路由向量生成共享偏移，加到该块所有 token 的 post-RoPE Keys 上，使块注意力质量乘以 exp(b_sc) 而保持块内注意力比例不变，默认路由 Last 2 层。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae381128aedff4cee875564"><li><b>局限</b>：COVID 任务下降、路由层数收益非单调，且仅在两个基准与有限骨干上验证；与 Late Chunking 的差异在于 CKR 在编码时即让注意力按块路由。<a class="notion-link" href="https://arxiv.org/abs/2611.12097" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-414343b68ae381d7b0b2da34865caf32" data-id="414343b68ae381d7b0b2da34865caf32"><span><div id="414343b68ae381d7b0b2da34865caf32" class="notion-header-anchor"></div><a class="notion-hash-link" href="#414343b68ae381d7b0b2da34865caf32" title="7. ShopMind: A Mental World Model for Personalized and Realistic E-commerce User Simulation（Alibaba）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">7. ShopMind: A Mental World Model for Personalized and Realistic E-commerce User Simulation（Alibaba）</span></span></h4><ul class="notion-list notion-list-disc notion-block-414343b68ae381ba945bcb8a69e1b1fd"><li><b>场景</b>：电商推荐；以淘宝真实购物日志为基础构建用户行为模拟，为推荐系统提供低成本评测环境。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae3813b8f89e125024f5cfb"><li><b>线上效果</b>：无线上 A/B，仅离线：个性化平均提升 18.0%、行为真实感（Transition JS）平均相对提升 19.6%，长程真实感 12 项指标全部最优（如 Taobao Transition JS 12.18 对 AlignUSER 16.72）；加入 MSR 心理状态后 CTR AUC 0.644→0.716（DeepSeek-V4-Pro）。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae3813a96ace8543b1bbe9d"><li><b>问题</b>：现有模拟器大多直接从可观测交互历史与当前上下文预测下一动作，忽略驱动行为且随交互演化的心理世界（信念、不确定性、意图），导致同一信息被不同用户做出不同解读的个体差异无法刻画，模拟既难个性化也难行为真实。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae38154a39bef83ec34d211"><li><b>动机</b>：Theory of Mind 指出行为由信念、意图、不确定性等心理状态驱动，同一折扣信息对价格敏感用户是机会、对质量导向用户可能是降质信号。心理状态还会随浏览交互演化并塑造后续动作，因此应显式建模这一过程而非只映射可观测信号。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae38197813ec7d245d0dad1"><li><b>贡献</b>：① 提出 ShopMind 心理世界模型，结构化建模并持续更新消费者的信念、不确定性与意图。② 用 ShopMind 合成行为–心理状态配对轨迹，训练 Mental State Reconstruction（MSR）从可观测行为反推潜在心理状态。③ 实验显示个性化提升 18.0%、行为真实感提升 19.6%，MSR 重建的心理状态进一步提升消费价值测量与 CTR 预测。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae3812eb4b8d6803eaaf1dd"><li><b>做法</b>：方法分三阶段：心理状态建模与转移把状态表示为 Mₜ=(Bₜ,Uₜ,Iₜ,Eₜ)，用 update gate 仅在信息足够时触发状态转移，否则保持不变。心理世界 rollout 生成 K=4 个候选动作并各在独立环境副本中展开 L=2 步，再由个性化一致性分与 Qwen3-4B+LoRA 训练的 Behavior Critic 按 top-2 一致性 margin 与阈值共同选择动作，主模型为 DeepSeek-V4-Pro。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae38129b799e30b1452e65c"><li><b>局限</b>：论文未设局限性讨论，全部评估均基于离线基准；与 Shop-R1、Customer-R1 的差异在于显式建模并更新信念/不确定性/意图，并以心理世界 rollout 与行为 Critic 共同选择动作。<a class="notion-link" href="https://arxiv.org/abs/2611.11897" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-414343b68ae381248b37cef9a1876029" data-id="414343b68ae381248b37cef9a1876029"><span><div id="414343b68ae381248b37cef9a1876029" class="notion-header-anchor"></div><a class="notion-hash-link" href="#414343b68ae381248b37cef9a1876029" title="8. The Narrative Gap: Can LLMs Help Us Navigate Diverse Narratives Across Languages?（约翰霍普金斯大学、Cohere、乔治梅森大学）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">8. The Narrative Gap: Can LLMs Help Us Navigate Diverse Narratives Across Languages?（约翰霍普金斯大学、Cohere、乔治梅森大学）</span></span></h4><ul class="notion-list notion-list-disc notion-block-414343b68ae381e88993c90403c57b6c"><li><b>场景</b>：学术（无业务场景），面向多语言多元信息寻求的 LLM 能力评测。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae381868a0ffdb814edbc86"><li><b>线上效果</b>：无线上 A/B，仅离线：NarrativeBench 上 Narrative Inclusion（NI）平均 F1 19.9%、Narrative Exclusion（NE）49.3%、Missing Narrative Identification（MNI）recall 56.8%；Gemini 3.8 Flash 的 NI F1 52.5%、MNI recall 82.8%，Diverse Prompt 下最高 recall 74.9%、仍遗漏约四分之一可用叙事。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae381f4b225c9770849a73d"><li><b>问题</b>：现有信息系统按查询语言、地区和用户历史组织内容，制造 filter bubbles 与 echo chambers；LLM 偏好查询语言来源、在证据冲突时推理不佳，即使被显式要求多样性也难以真正扩大叙事覆盖。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae38109befacdbb36994a0b"><li><b>动机</b>：多语言 LLM 本应综合跨语言视角、弥合认知分歧，但审计研究显示它们可能复制甚至放大原有信息壁垒，因此需要一个能力导向的基准来检验用户能否真正控制所获得的叙事。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae381d49271d6a2ae08a7ef"><li><b>贡献</b>：① 将多语言多元信息寻求形式化为「叙事导航」问题，提出 3 项基础能力（narrative inclusion / exclusion / missing narrative identification）与 3 项高阶能力（多样性呈现、确认性查询下的覆盖保持、跨语言信息对等）。② 构建 NarrativeBench，含 1,333 篇新闻、23 种出版语言、23 个争议话题、180 个叙事组与 460 条 Reddit 来源查询。③ 评测 14 个模型、15 种配置、4,800 个案例，得到 72,000 条评分响应，实证揭示系统性能力缺口。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae38199a363d833a1342c3d"><li><b>做法</b>：遵循 Evidence-Centered Benchmark Design，把 6 类能力映射为可评测任务，其中 FC-1/FC-2/FC-3 分别要求包含、排除与补全指定叙事，HC-1 对比 Baseline 与 Diverse Prompt 的叙事 recall，HC-2 比较 neutral 与 confirmatory 查询的覆盖差，HC-3 以 Δℓ = M(ℓ) − M(English) 衡量跨语言差距。每个案例提供 3 篇/叙事组的文档上下文，模型须用查询语言作答并引用 [Dxxx] 文档 ID，以引用覆盖判定叙事出现并计算 narrative precision/recall/F1。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae38126ac37e0c892da8583"><li><b>局限</b>：叙事按「来源视角＋出版语言」粗粒度划分、语料仅覆盖可检索到的文本，且未处理多模态与来源可信度。<a class="notion-link" href="https://arxiv.org/abs/2611.12750" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-414343b68ae381c193ead19d778dd89d" data-id="414343b68ae381c193ead19d778dd89d"><span><div id="414343b68ae381c193ead19d778dd89d" class="notion-header-anchor"></div><a class="notion-hash-link" href="#414343b68ae381c193ead19d778dd89d" title="9. UCB-min: Combining Bandits Under Variance Heterogeneity (Extended Version)（巴黎-萨克雷大学 LISN、CNRS、格勒诺布尔-阿尔卑斯大学 LIG）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">9. UCB-min: Combining Bandits Under Variance Heterogeneity (Extended Version)（巴黎-萨克雷大学 LISN、CNRS、格勒诺布尔-阿尔卑斯大学 LIG）</span></span></h4><ul class="notion-list notion-list-disc notion-block-414343b68ae381f7a07ce0f02473c1cb"><li><b>场景</b>：学术（无业务场景），多目标 bandit 研究；实验覆盖教育题推荐与 MovieLens/Steam 群组推荐。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae381b988e7d7e0892c7fc2"><li><b>线上效果</b>：无线上 A/B，仅离线：合成异构方差设置下 cumulative regret 799（UCB-V2 851、UCB1 1373），MovieLens 与 Steam 上 regret 分别为 233、612，与对应最优基算法 234、613 基本持平，教育 A 目标 38.2 与 UCB1 的 38.0 持平。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae38169af4cd9734c1c137d"><li><b>问题</b>：逐臂方差未知且异质时无一致最优规则：UCB1 方差无关、稳健但小方差时 bonus 过松，UCB-V 类仅当方差估计与支撑上界 b 可靠时才紧；归一化在线不可行（尺度未知、非平稳、物理目标无上界），且 b 估大会使所有 bonus 膨胀、regret 近线性。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae381cda266c062f9285ee3"><li><b>动机</b>：多目标线性标量化后标量方差 wᵀΣw 依赖权重与跨目标协方差，天然产生逐臂异质方差；UCB1 与 UCB-V 的 bonus 都是合法上置信界，取逐臂更小者仍合法且更紧，可自动贴合每臂方差 regime，无需先验、无需归一化。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae381ef9ea6d3de13d9231d"><li><b>贡献</b>：① 分析多目标 bandit 中方差尺度对 regret 的影响，实验证明 UCB1 与 UCB-V 的相对优劣依赖数据。② 提出逐臂自适应元算法，按臂动态选择方差无关与方差感知探索 bonus，无需方差 regime 先验与归一化。③ 证明 UCB-minV1 的累积期望 regret 与原算法同阶；较大探索常数 c≥4 时逐臂达到两基算法界的最小值（常数因子内），标准 c=1.2 时为两者界之和。④ 在合成、教育、两个群组推荐基准上验证跨方差 regime 稳健追踪最优基算法。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae3818fb33ad4cbc6e89bad"><li><b>做法</b>：对每臂同时计算 UCB1 bonus β(1)=b·√(2·log t/Nₐ) 与方差感知 bonus（UCB-V Eq.5 或 UCB-V2 Eq.6），取 Bₐ(t)=μ̂(s)+min{β(1),β(var)}；用 wᵀμ̂、wᵀΣ̂w 得标量统计，每轮 O(K)，固定权重时每臂 O(1) 在线更新。初期 β(var) 的 O(1/Nₐ) 项占优，min 自动退回 UCB1，Nₐ 增大后方差项才起作用。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae3814d9407fc4283920df0"><li><b>局限</b>：理论仅覆盖 UCB-minV1，逐臂 min 的更强保证需 c≥4（实验用 c=1.2 只有和界），UCB-minV2 仅有经验验证，且教育短视界下 UCB1-Normal 的 regret 7.4 显著更低。<a class="notion-link" href="https://arxiv.org/abs/2611.12427" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-414343b68ae3815dbfd6f8e82c56c30b" data-id="414343b68ae3815dbfd6f8e82c56c30b"><span><div id="414343b68ae3815dbfd6f8e82c56c30b" class="notion-header-anchor"></div><a class="notion-hash-link" href="#414343b68ae3815dbfd6f8e82c56c30b" title="10. Unmasking Four Knapsack Problems in the Traveling Thief Benchmark（沙特阿拉伯 Prince Sattam bin Abdulaziz 大学、突尼斯斯法克斯大学 ENET&#x27;Com 电子与电信国家学院、斯法克斯大学理学院数据工程与语义研究组）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">10. Unmasking Four Knapsack Problems in the Traveling Thief Benchmark（沙特阿拉伯 Prince Sattam bin Abdulaziz 大学、突尼斯斯法克斯大学 ENET&#x27;Com 电子与电信国家学院、斯法克斯大学理学院数据工程与语义研究组）</span></span></h4><ul class="notion-list notion-list-disc notion-block-414343b68ae3812eadbcd04f137228a2"><li><b>场景</b>：学术（无业务场景），TTP（Traveling Thief Problem）基准审计与数据集修正。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae38152b8a2f4df29407a4d"><li><b>线上效果</b>：无线上 A/B，仅离线：零租金实例 dsj1000 n999 上，9 个方法中 5 个报告同一值 144,219（最优 144,426）；修正后 CoCo+ 10 次运行值各异（std 165–507，均值仅为背包最优的 31%–46%），恢复巡回–装包协同行为。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae381d8b0f7f2a0d24a53b0"><li><b>问题</b>：基准文件租金只保留两位小数，4 个实例存成 R=0.00，巡回对目标无影响、退化为 0-1 背包；其中 1 个正是常用的 60 个分类实例之一，该实例上 9 个方法中 5 个报告同一值 144,219，比较实际测的是背包启发式而非巡回–装包协同。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae3815dbffccf0e178eaa5c"><li><b>动机</b>：租金 R 是连接巡回与装包的唯一纽带，R=0 抹掉了 TTP 想考察的协同；而原始租金因 linkern 种子、最优装包不唯一且参考解未公开无法恢复，故保留原规则、把规则留空的选择全部钉死后重新定义。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae381f69ad5c4c9f40d9170"><li><b>贡献</b>：① 通读全部 9,720 个 .ttp 文件，找出所有 4 个 R=0.00 实例，并证明其退化为 0-1 背包问题。② 揭示成因是两位小数存储，量化舍入影响：949 个实例相对舍入半宽 &gt;1%、217 个 &gt;5%、100 个 &gt;10%。③ 按原规则与完全指定的参考解重定义 4 个实例租金，并用 CoCo+ 实验证明修正后恢复 TTP 行为。④ 发布 JSON 化数据集、修正文件与开源库 ttplib。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae381798667d6150d629570"><li><b>做法</b>：扫描所有文件的 RENTING RATIO；新租金取 R=P(S<em>)/T(π,S</em>)，装包用按文件顺序的 0-1 背包 DP 且仅在严格提升时装入以固定 tie-breaking（最优利润用 Gurobi 核验），巡回用 linkern 默认参数 seed 1 自仓库出发并按式(2)计算旅行时间。租金以双精度而非定点小数存储；ttplib 将 9,720 个实例转为 JSON，修正版单独目录存放，距离惰性计算并在首次使用时下载、本地缓存。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae38185878ac18761b012f8"><li><b>局限</b>：新租金并非原始值、不能与旧结果直接比较，且生成器代码缺失使成因无法严格证明。<a class="notion-link" href="https://arxiv.org/abs/2611.12597" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-414343b68ae3819aab38c7b08b2736ee" data-id="414343b68ae3819aab38c7b08b2736ee"><span><div id="414343b68ae3819aab38c7b08b2736ee" class="notion-header-anchor"></div><a class="notion-hash-link" href="#414343b68ae3819aab38c7b08b2736ee" title="11. CHO-Bench: How Do Context Hints Affect Ad Rankings in LLM Advertising?（新加坡国立大学、PyroWis AI）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">11. CHO-Bench: How Do Context Hints Affect Ad Rankings in LLM Advertising?（新加坡国立大学、PyroWis AI）</span></span></h4><ul class="notion-list notion-list-disc notion-block-414343b68ae381f6a4eded8460c5e219"><li><b>场景</b>：LLM 对话式广告的广告排序，采用离线基准评测。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae38190b7eee8f49b3b29e1"><li><b>线上效果</b>：无线上 A/B，仅离线：Δ Rank 提升 0.56–1.16 位、Δ Win 提升 5.42–14.40 pp。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae381bcab9fc5aa5048c5c9"><li><b>问题</b>：现有工作要么优化排序模型 f，要么改写广告创意或外部网页内容，而 ChatGPT Ads 新增的 context hint 输入该如何构造才能提升排名尚无研究，其有效性与预算影响均不清楚。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae381d48d2bcfb13fe57b6a"><li><b>动机</b>：用户需求常超出显式产品搜索（如 “How can I build muscle?” 下展示餐食广告），context hints 能在不改动 ad card 与排序函数的前提下让广告表达与多样对话关联，营销框架则可系统化选择 What/Who/When 信息。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae381b49153c7687003a65b"><li><b>贡献</b>：① 将 CHO 形式化为固定 ad card 与排序函数 f、在预算 k 下构造 context hints 以最大化广告排名的优化问题；② 基于 Value Proposition Canvas、Customer Journey 提出 7 个信息维度策略及 Unified 组合策略；③ 提出 CHO-Bench 离线基准，用 embedding 相似度与 LLM listwise 两种 ranker 做受控配对评测；④ 完成 520 组配置、超 119 万次配对评测，揭示策略、排序模型与 hint 预算的影响。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae3813d95e9f1968537f6cc"><li><b>做法</b>：7 个 Hint Collectors 从 ad corpus 抽取七维候选语句，共享 Hint Aggregator 按 OpenAI 指南聚合成预算受限 hints；embedding ranker 用 s=λ·sim(q,ad)+(1−λ)·max sim(q,h)（λ=0.5，h 遍历候选 hints），LLM ranker 先选最相关 hint 再 listwise 排序，并在同 query、同候选池下与无 hint 对照配对比较。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae3810597aae0c48dfc954a"><li><b>局限</b>：仅在离线 ranker 上评测，未涉及真实拍卖与线上反馈，且各策略平均差异只有 0.07–0.24 位，提示需 model-specific hint selection 与 budget-aware 生成聚合。<a class="notion-link" href="https://arxiv.org/abs/2611.11955" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-414343b68ae381fa96e0fc574f18d5b0" data-id="414343b68ae381fa96e0fc574f18d5b0"><span><div id="414343b68ae381fa96e0fc574f18d5b0" class="notion-header-anchor"></div><a class="notion-hash-link" href="#414343b68ae381fa96e0fc574f18d5b0" title="12. Hidden Distances: How Likert-Scale Spacing Shapes Algorithmic Voting Advice（哥本哈根信息技术大学、Pioneer Centre for AI）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">12. Hidden Distances: How Likert-Scale Spacing Shapes Algorithmic Voting Advice（哥本哈根信息技术大学、Pioneer Centre for AI）</span></span></h4><ul class="notion-list notion-list-disc notion-block-414343b68ae38110a75beabd6b286fc6"><li><b>场景</b>：学术（无业务场景），面向丹麦大选 VAA Kandidattest 的候选人匹配。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae3815d8697ce4dc0c0c6cd"><li><b>线上效果</b>：无线上 A/B，仅离线（100 万合成代理选民）：α=2 时候选人 top-1 切换率 37.7%、政党切换率 21.9%；α=1/2 时为 28.2% 与 16.6%，并估算 175 个席位中 4–13 个席位受影响。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae381c7bb78e758be7bc2c7"><li><b>问题</b>：VAA 把有序的 Likert 选项当作等距数值计算曼哈顿距离，但“同意”到“强烈同意”相对于“中立”到“同意”应取多大并无实证依据，这一未公开的编码选择此前未被审计。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae381e3be8afa515650e827"><li><b>动机</b>：Likert 响应只是序数而非等距，不同个体和群体选择极端选项的倾向存在系统性差异；量化假设不透明时，同样合理的编码会给出不同推荐，因此应在全国选举规模部署前审计其后果。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae38101add6f3d7e2c2a443"><li><b>贡献</b>：① 识别出 Likert 选项间距是 VAA 中此前未被审视、未被记录却会改变推荐结果的设计选择；② 提出从真实候选人回答加噪生成代理选民、统计 top-1 推荐切换频率的审计方法，并应用于丹麦 Kandidattest；③ 揭示参数 α 对政党、持强或温和立场候选人以及性别的差异化影响，估算 175 个席位中 4–13 个席位的潜在选举后果；④ 呼吁 VAA 公开量化选择并开展敏感性分析，指出结论也适用于约会平台、室友分配等基于 Likert 的匹配系统。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae3816f9bd0fe513d421177"><li><b>做法</b>：将“中立–(不)同意”距离固定为 1、把“(不)同意–强烈(不)同意”参数化为对称 α，曼哈顿距离由两侧温和立场项加 α 倍强立场项构成，dist_max=2(1+α)×29；按 2026 年大选全国得票率抽取政党与该党选区候选人，10 个选区各 1000 名共 1 万名代理选民，以 0.4 触发概率、0.5 转移概率的马尔可夫链加噪最多 4 轮，共 100 次实现、合计 100 万用户。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae381f49407fefcfe6ee5c4"><li><b>局限</b>：没有真实用户数据、只能用合成代理选民，席位影响只是粗略估计，且只审计了一个 VAA。<a class="notion-link" href="https://arxiv.org/abs/2611.12313" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-414343b68ae381daaa8ae3d3b4923a68" data-id="414343b68ae381daaa8ae3d3b4923a68"><span><div id="414343b68ae381daaa8ae3d3b4923a68" class="notion-header-anchor"></div><a class="notion-hash-link" href="#414343b68ae381daaa8ae3d3b4923a68" title="13. ACROSSVAM3.0: Resource-Bounded 4D Scene Construction and Adaptive Surface Association（Across Physcis（北京）科技有限公司）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">13. ACROSSVAM3.0: Resource-Bounded 4D Scene Construction and Adaptive Surface Association（Across Physcis（北京）科技有限公司）</span></span></h4><ul class="notion-list notion-list-disc notion-block-414343b68ae38176a012c1b021a84345"><li><b>场景</b>：学术（无业务场景），资源受限的 4D 场景构建与点跟踪。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae3810d8dd1db7cdcb01ee2"><li><b>线上效果</b>：无线上 A/B，仅离线：12 场景中位 ATE 0.0170 m、平移 RPE 0.0109 m、事件召回 +0.0993，265 个 RoboTAP 视频 AJ 从 0.1994 提升至 0.2604。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae3813281eec8877d9172fd"><li><b>问题</b>：视频生成、单目重建与 SLAM 的坐标系、尺度、预处理、置信度和显存剖面各异，拼接脆弱，生成帧还易被误当物理观测；跨窗口严格匹配只提升局部精度，却丢失长程轨迹覆盖。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae38104b0d5f7e8d6d0db0f"><li><b>动机</b>：需保留生成与观测的来源区分，用不可变局部窗口加原子 Sim(3) 版本更新协调坐标；局部匹配精度不等于完整轨迹覆盖，应保留多个候选并显式建模缺失状态。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae38197a947d89b24520ef9"><li><b>贡献</b>：① 构建可执行的三输入系统，保留来源标记，输出显式 4D 点几何、相机轨迹与仅 RGB 的 SLAM 产物，并在实测单 GPU 契约内运行；② 设计版本化协调层，局部 4D 数组不可变，地图修正原子同步更新相机、点、轨迹与坐标元数据；③ 在冻结真实视频上系统评估运动排序、支持感知多帧表面对应与固定预算轨迹保留；④ 由严格链实验失败驱动提出 MHAC，在独立 holdout 与 265 个外部视频上一次性验证，无测试后重选。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae38117b9e1d37afdcbfda9"><li><b>做法</b>：冻结 Wan2.2 TI2V-5B（17 帧 832×480、12 步）、4RC（16 帧窗口、4 帧重叠）与 MASt3R-SLAM，窗口经 80/20 拟合留出的鲁棒 Sim(3) 对齐、不达标则保留为命名局部系；MHAC 在相邻窗口建查询无关有向格，用 8 维边特征加权打分保留至多 3 个候选，带 missing 状态做有界 DP，阈值 2 px 均值与 4 px 最大重投影、0.15 颜色距离。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae381deb73bd98cd0293b65"><li><b>局限</b>：存在相对尺度、无语义身份与高保真新视角问题，生成仅 17 帧、121 帧动作质量门失败、50 ms 采样可能漏峰，且仅对比 B0。<a class="notion-link" href="https://arxiv.org/abs/2611.11825" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-414343b68ae381009d0dc9147c122b2d" data-id="414343b68ae381009d0dc9147c122b2d"><span><div id="414343b68ae381009d0dc9147c122b2d" class="notion-header-anchor"></div><a class="notion-hash-link" href="#414343b68ae381009d0dc9147c122b2d" title="14. Replication of Thermal Comfort Cohort Models: No Support for Improved Thermal Preference Prediction"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">14. Replication of Thermal Comfort Cohort Models: No Support for Improved Thermal Preference Prediction</span></span></h4><ul class="notion-list notion-list-disc notion-block-414343b68ae381f8a1edea86e0b24a1b"><li><b>场景</b>：学术（无业务场景），室内热舒适偏好预测，面向建筑 HVAC 设计与运行。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae3817aa643d76252e77c79"><li><b>线上效果</b>：无线上 A/B，仅离线复现：DORN 上 F1-macro 中位 PCM 0.51，Warm/Cold Start 仅 0.31/0.29，低于均匀随机 0.333；PersonAI 上二者为 0.30–0.31，同样低于随机。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae3811cbf5cf2176bbe4215"><li><b>问题</b>：原研究每个参与者、每个少数类的数据量都有限，只用对类别不平衡敏感的 F1-micro，缺少简单基线，交叉验证策略不当，且多次出现信息泄漏，使 CCMs 的提升被高估。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae3813ab3b0d342d9f7031a"><li><b>动机</b>：CCMs 若要在建筑设计与运行中规模化应用，其经验结论必须经得起独立复现；此前既无独立复现，原机器学习流程也未经审查，而加入平凡基线即可暴露原结论的脆弱性。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae38197ac76e63e01794a12"><li><b>贡献</b>：① 方法学审查指出原研究五大问题：每用户与少数类数据不足、指标对类别不平衡不敏感、缺平凡基线、交叉验证不当、信息泄漏；② 用修订协议（LOO-CV、F1-macro、默认超参、显式特征选择）在原 DORN 数据集复现，CCMs 不再优于简单基线；③ 自建 PersonAI 数据集（83 人招募、72 人完成 4 周）独立复现，结论一致；④ 建议未来采用受控热环境、保证各偏好类别有足够观测的实验设计。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae381739232f276c51289ba"><li><b>做法</b>：沿用 Quintana 等的 CCM 框架与 Random Forest，cold start 用一次性问卷分群，warm start 用 PCM 响应分布相似度与跨模型表现聚类；修订点是以 LOO-CV 替代 100 次随机 80/20、增加 F1-macro、不调超参、以显式特征选择替代排除式逻辑，并加入 Majority、PCM/Cohort Majority、ApproxDistribution、均匀随机 F1=0.333 基线及 Wrong Cluster 对照。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae381a7b8cbced2e3ecb7c5"><li><b>局限</b>：结论基于两个小样本现场数据集，席位级外推有限，作者呼吁未来用受控热环境实验补充验证。<a class="notion-link" href="https://arxiv.org/abs/2611.12178" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-414343b68ae381a190bdf049e88efdb6" data-id="414343b68ae381a190bdf049e88efdb6"><span><div id="414343b68ae381a190bdf049e88efdb6" class="notion-header-anchor"></div><a class="notion-hash-link" href="#414343b68ae381a190bdf049e88efdb6" title="15. Severity-Controlled Prediction Sets for Medication Recommendation（麦吉尔大学、佐治亚州立大学、俄亥俄大学）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">15. Severity-Controlled Prediction Sets for Medication Recommendation（麦吉尔大学、佐治亚州立大学、俄亥俄大学）</span></span></h4><ul class="notion-list notion-list-disc notion-block-414343b68ae381a9b5d3f20460bf0a53"><li><b>场景</b>：学术（无业务场景），医疗用药推荐。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae381bf89e8d6750804e8d8"><li><b>线上效果</b>：无线上 A/B，仅离线：CSC-Avg 在 α=0.125/0.25/0.35 时实际严重度 0.1218/0.2439/0.3465，CSC-Upper（β=0.75）为 0.1105/0.2341/0.3449，六点均低于目标；α 增大时平均集合从 28.53 降至 11.66、precision 从 0.315 升至 0.522。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae3813fb3a3fbb08dc218a1"><li><b>问题</b>：现有预测集评估与校准依赖 exact-overlap 指标（recall、F1、Jaccard、FNR），把所有漏诊当作同等严重，忽略漏诊药物与预测药物在 ATC 层级上的远近；且只控制平均严重度时，多数药命中的患者中少数高严重度错配会被掩盖。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae3810bb500e9cf8231f56e"><li><b>动机</b>：预测到治疗上更接近的药物，其危害应低于只给出远距离药物，所以严重度该用 ATC 树上的 LCA 深度度量，并在患者级（含最严重错配的上尾）做后验校准，而不重训练预测器。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae381d5b3dcd054bc6c21e9"><li><b>贡献</b>：① 提出后验、model-agnostic 的 CSC 框架，用 ATC 层级 LCA 深度定义错配严重度并控制患者级平均严重度；② 将控制目标从平均严重度扩展到上分位数严重度（CVaR），强调每位患者最严重的错配；③ 在 CRC 框架下给出有限样本期望严重度控制保证（Theorem 3.3），并分析与 FNR 控制的嵌套关系；④ 在 MIMIC-IV 上验证 CSC 能跟踪用户指定容忍度、在单一全局阈值下产生患者自适应集合大小并减少远距离 ATC 分支错配。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae381989c51f18f73ed00e8"><li><b>做法</b>：把 ATC 层级视为深度 D 的树，成对严重度 s(y,k)=1−depth(LCA(y,k))/D，标签级取预测集内最近药物、空集记为 1，患者级用平均或 CVaR 上分位。在嵌套集 Cλ(X)（保留分数不低于 1−λ 的标签）上按 λ 升序扫描 1/400 网格，取首个满足 (1/(n+1))(ΣᵢSβ(Yi,Cλ(Xi))+1)≤α 的 λ 作为阈值，新患者直接套用，无需重训练。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae381deb90ecadb6d36a386"><li><b>局限</b>：仅单中心 MIMIC-IV、300 个标签、两个预测器，保证是依赖 exchangeability 的边际保证，严重度成本与真实临床危害的一致性尚待研究，也未覆盖时间与跨院漂移。<a class="notion-link" href="https://arxiv.org/abs/2611.11847" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-414343b68ae381769c7eeef10fcc0f7d" data-id="414343b68ae381769c7eeef10fcc0f7d"><span><div id="414343b68ae381769c7eeef10fcc0f7d" class="notion-header-anchor"></div><a class="notion-hash-link" href="#414343b68ae381769c7eeef10fcc0f7d" title="16. NIFT-SQL: Customer-Supervised Table Scoring for Enterprise Text-to-SQL Retrieval（SAP）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">16. NIFT-SQL: Customer-Supervised Table Scoring for Enterprise Text-to-SQL Retrieval（SAP）</span></span></h4><ul class="notion-list notion-list-disc notion-block-414343b68ae3814bbcc5ed2700e37ac1"><li><b>场景</b>：召回。企业 text-to-SQL 的表检索，跨多个数据库、数百至近千张表。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae38146b138f82f738b62b9"><li><b>线上效果</b>：无线上 A/B，仅离线：BEAVER（463 表/6 库）、LiveSQLBench（244/22）、LiveSQLBench-Large（971/18）上 complete@15 达 69.2%、89.5%、85.6%，hybrid search 仅 30.4%、41.0%、21.8%；高精度模式 72.4%、92.5%、88.6%。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae3817890b7cdde2d9a1197"><li><b>问题</b>：企业 schema 往往只有表名、列名与声明键，命名隐晦且跨库数百张表，通用检索找不到；LiveSQLBench-Large 上 search top-100 仅覆盖 51.7% 的参考表，而平均每问需要 4.4 张表，找到大部分并不够。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae381eaa05cef4db1fa0206"><li><b>动机</b>：企业常有几十到约 90 条带 SQL 的验证问题，足以按客户把通用相关性模型训练成“该表是否为回答所必需”的 scorer，与同样按客户微调的检索器互补；相比 ReFoRCE 依赖人工 schema-linking hints，这里不用 hint，比换更大通用模型或手工语义层更划算。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae38190960fe6a689e80f14"><li><b>贡献</b>：① 提出 NIFT-SQL，仅用表名、列名和声明键，按客户微调 hybrid search 并融合逐表必要性 scorer，以验证集拟合的 logistic 回归合并，全程无生成式 LLM 调用。② 在三个基准上做预注册评估，complete@15 较 hybrid search 高 39–64 点。③ 证明客户监督是核心：同一 cross-encoder 不微调低约 21 点，标签预算对齐时仍领先同标签微调检索器 complete@15 +8.1、+7.7、+15.1。④ 与免标签的 8B 零样本 reranker 对比，并加高精度模式（complete@8 +8.1、+6.8、+4.2），给出 21–69 条训练问题的学习曲线。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae381fba56beec244684f7a"><li><b>做法</b>：每表一张 schema card（表名、列名、至多 6 个声明 join）；hybrid search 用按客户对比学习微调的 BGE-large-en-v1.5（2 epoch、lr 2e-5、batch 32）与 BM25 按 0.6/0.4 加权；必要性 scorer 用 bge-reranker-large（560M、4 epoch BCE），候选取 scorer top50 与 search top50 的并集，8 维特征经标准化 logistic 回归（C=1）合并；高精度模式另加 Qwen3-Reranker-8B 的 logit 与 log rank。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae38114a711cf1ef6b7e88d"><li><b>局限</b>：冻结后在新版 BEAVER 上只有合成题 complete@8 领先复现，真实题 complete@15 反落后同标签检索器，且相对按库分组 rank fusion 的增益未显著。<a class="notion-link" href="https://arxiv.org/abs/2611.12731" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-414343b68ae381b4be0ecbd42e805ca5" data-id="414343b68ae381b4be0ecbd42e805ca5"><span><div id="414343b68ae381b4be0ecbd42e805ca5" class="notion-header-anchor"></div><a class="notion-hash-link" href="#414343b68ae381b4be0ecbd42e805ca5" title="17. Trade Promotion Optimisation for Consumer Goods（TrueGradient AI）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">17. Trade Promotion Optimisation for Consumer Goods（TrueGradient AI）</span></span></h4><ul class="notion-list notion-list-disc notion-block-414343b68ae381b38cd5fadf86d509fe"><li><b>场景</b>：电商推荐中的快消品 trade promotion 折扣优化，非推荐排序。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae38166b252c2c189b3a8ec"><li><b>线上效果</b>：无线上 A/B，realised lift 未实测，仅平台 scenario 评估与仿真：Study A（Brand A 39 SKU、四周）gross units +20.64%、revenue +6.87%、margin +0.37%，扣 post-promo dip 后 net units +17.3%、revenue +3.6%、margin −2.9%，39 个 SKU 中仅 2 个增量利润为正；Study B（1,440 SKU 仿真）b1 RMSE 从 0.710 降到 0.366，revenue regret 从 1.14 降到 0.31 点。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae381cba23be514e5263774"><li><b>问题</b>：多数规划者仍用单一且常不可靠的商品级价格弹性：SKU 价格事件少、季节性混淆朴素回归、折扣最深时缺货截断需求；线性响应还会把弹性商品推到最深许可折扣，形成 corner solution。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae3815e8d54fdb4185cd5e6"><li><b>动机</b>：应把问题作为一条链而非独立模块，用同类 SKU 补足弱证据，定出点弹性 b1 与曲率 b2，让曲线随折扣加深而弯曲，给优化器内部最优解，再把 gross lift 净化为 net lift；不同于依赖固定层级结构借力的分层模型，这里用 ridge 加 TF-IDF 学习 SKU 相似性并做精度加权收缩。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae381f9b0ccddbdafba865b"><li><b>贡献</b>：① 两阶段弹性估计：post-promo 用滚动常规价的事件法，promo-time 用 FWL 残差化加 Tobit 缺货截断的因果曲线，并从首个干净促销周做贝叶斯更新。② 学习式 analogue pooling：按层级、品牌、价格线、描述特征用 ridge 选 donor，对 b1、b2 做精度加权收缩，分组交叉验证给出 skill。③ self/cross-price 分解：从 gross lift 扣除替代与 post-promo dip 得到 net incremental lift。④ 库存与 trade funding 感知的优化器，在 39 SKU 品牌实验与 1,440 SKU 仿真中端到端验证。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae381d6acb4e69bc2c28f9e"><li><b>做法</b>：链式流程为：识别促销与常规价（365 天 mode-above-median），事件法测 post-promo 弹性，FWL 残差化加 Tobit 拟合 e(d)=b1+b2d；analogue ridge 池化并收缩 b1、b2，用 m(c) 等于 (1+c) 的 e(d) 次方、替代弹性 ε_ji 与 ε_post 计算净需求，在按销量分桶的走廊内最大化收入/毛利加权目标，叠加库存与 funding 调整，首周后贝叶斯水平位移更新曲线。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae381ce8a5aed5039b61631"><li><b>局限</b>：within-brand 替代未计入，net 数字为上界，且尚未在 live promotion 中实测 realised lift。<a class="notion-link" href="https://arxiv.org/abs/2611.12665" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-414343b68ae381b7af22c1806ab8b216" data-id="414343b68ae381b7af22c1806ab8b216"><span><div id="414343b68ae381b7af22c1806ab8b216" class="notion-header-anchor"></div><a class="notion-hash-link" href="#414343b68ae381b7af22c1806ab8b216" title="18. Multi-Agent Screening: What Agreement and Acceptance Cannot Tell You（University of Cambridge、XSci）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">18. Multi-Agent Screening: What Agreement and Acceptance Cannot Tell You（University of Cambridge、XSci）</span></span></h4><ul class="notion-list notion-list-disc notion-block-414343b68ae38132926eef126e31d506"><li><b>场景</b>：学术，无业务场景；应用示例为 AI 审稿、agentic search、e-discovery。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae381cfadd8c2114a15dbca"><li><b>线上效果</b>：无线上 A/B，无真实数据集与线上实验，仅离线理论分析与假设算例：以 1000 篇投稿、3 位审稿人提名 200 篇、专家接受 120 篇为例，acceptance 单独给 recall 区间 [13%, 100%]，重叠分析收紧到 [13%, 44%]，审计池外 800 篇中的 192 篇可将漏检比例 H 估到 ±0.05（95% 置信，Hoeffding 保守界需 473 篇）。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae381cfb2abf72c4da75713"><li><b>问题</b>：多 agent 筛选只看一致性或验收率；一致性只能说明 agent 彼此同意，无法区分“对的一致”与“错的一致”，验收判断只覆盖被池子放行的项目，只能给出 precision，未送审的漏检相关项 H 完全不可见，recall 无从确定。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae381f181aeff4855dd26a3"><li><b>动机</b>：在 agent 便宜、末端评估者昂贵因而只看到被放行项目的不完整标注场景下，把问题转成 partial identification，即使数据无限也要说清每类证据究竟能确定什么，并指出只有池外随机抽样审计才能无假设地钉住漏检比例。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae38161bd7ccd67981525bf"><li><b>贡献</b>：① 证明一致性只反映共识：在共享隐表示 Z 下，任意 k 与任意筛选规则的误差都有 E min{η(Z), 1−η(Z)} 的正下界，且 O 的分布不随 η 变化（Thm. 1）。② 给出 acceptance 证据下 recall 的紧区间 [ap/(ap+1−a), 1]，说明仅凭池内判断无法进一步收紧（Prop. 1）。③ 在正相关假设下用 agent 提名重叠比 h10h01/h11 给出 H 的下界与 recall 上界，并证明可交换 agent 中“下一个 agent 最多新增 f1/k”（Thm. 2、Prop. 2）。④ 证明池外均匀随机审计可把 H 估到任意精度且样本量不随 agent 数增长，并比较 Hoeffding 界与精确超几何所需样本量（Prop. 3）。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae381ebbab7fd07b0803c8a"><li><b>做法</b>：形式化为池占比 a、池内接受率 p、漏检相关比例 H，recall r=ap/(ap+H)；用共享隐变量 Z 使 Y 与 O 在给定 Z 下条件独立来刻画 agent 相关误差，重叠证据在 Cov(B,B′ 给定 Y=1,C) ≥ 0 下取 L=max h10h01/h11 得 H≥L；审计证据用 Hoeffding 不等式给出 n0 ≥ (1−a)² ln(2/δ) / (2ε²)。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae3810ca8afd13d75612c33"><li><b>局限</b>：recall 上界依赖 agent 正相关/可交换假设，专长互补的 agent 会违反该假设而需按专长分层，采样池还需加权并引入方差，且方法只做评估、不提升筛选本身。<a class="notion-link" href="https://arxiv.org/abs/2611.12705" target="_blank" rel="noopener noreferrer">↗</a></li></ul><h4 class="notion-h notion-h3 notion-h-indent-1 notion-block-414343b68ae3811e99aaf64507ac29a9" data-id="414343b68ae3811e99aaf64507ac29a9"><span><div id="414343b68ae3811e99aaf64507ac29a9" class="notion-header-anchor"></div><a class="notion-hash-link" href="#414343b68ae3811e99aaf64507ac29a9" title="19. Curbside Chatbots: Auditing the Mental Health Interventions Large Language Models Recommend to Clinicians, Caregivers, and Patients（BIDMC 等）"><svg viewBox="0 0 16 16" width="16" height="16"><path fill-rule="evenodd" d="M7.775 3.275a.75.75 0 001.06 1.06l1.25-1.25a2 2 0 112.83 2.83l-2.5 2.5a2 2 0 01-2.83 0 .75.75 0 00-1.06 1.06 3.5 3.5 0 004.95 0l2.5-2.5a3.5 3.5 0 00-4.95-4.95l-1.25 1.25zm-4.69 9.64a2 2 0 010-2.83l2.5-2.5a2 2 0 012.83 0 .75.75 0 001.06-1.06 3.5 3.5 0 00-4.95 0l-2.5 2.5a3.5 3.5 0 004.95 4.95l1.25-1.25a.75.75 0 00-1.06-1.06l-1.25 1.25a2 2 0 01-2.83 0z"></path></svg></a><span class="notion-h-title">19. Curbside Chatbots: Auditing the Mental Health Interventions Large Language Models Recommend to Clinicians, Caregivers, and Patients（BIDMC 等）</span></span></h4><ul class="notion-list notion-list-disc notion-block-414343b68ae38119a2def3c90e215783"><li><b>场景</b>：学术，无业务场景；审计 LLM 聊天机器人向临床医生、照护者、患者推荐心理健康干预的行为。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae381eeb12fe9567fbc685d"><li><b>线上效果</b>：无线上 A/B，仅离线审计：54,891 次调用（生成 35,055、评分 19,836），85% 回答建议咨询专业人士（照护者/患者 95% 对临床医生 66%），11% 含 not-a-doctor 声明（用药提问 21%；Qwen 3.5 Plus 91%，21 个模型低于 2%）；494,328 个干预提及中 91.2% 为推荐、8.8% 为劝阻，40.2% 映射到评分清单；621 个推荐率不低于 5% 的选项中 537 个均分大于 0、83 个小于 0，76 个单元格推荐率与评分秩相关全为正、中位 .57。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae3814fa666ea980fd130fc"><li><b>问题</b>：现有评估集中在急性危机与临床任务正确率，把心理健康交互简化为对错题并依赖不代表领域分歧的专家预设标准；同时忽略 interactional footing，同一病例由临床医生、照护者或患者提出时合适回应可能不同，且缺乏可复用的持续审计基础设施。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae381fd90c0c13c41dadcb6"><li><b>动机</b>：合适性取决于角色与交互语境，专家对同一呈现本就存在分歧，无法先验定义答案键；开放式生成还可能受 prevalence bias 干扰，因此用同一案例做成对的开放式生成加结构化评分，在无答案键下描述行为并建立可版本化复用的 living audit。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae3815c9e46e0f739a68dc3"><li><b>贡献</b>：① 首个大规模 interactional footing 审计：41 个模型、19 个临床审阅案例、3 种身份，覆盖开放式生成（35,055 条）与四类干预清单的结构化评分。② 提出 paired generation and rating audit 的设计与基础设施，可迁移到其他案例、推荐集合和应用领域。③ 以 v1.0.0 冻结清单和校验和公开代码、vignettes、评分清单、编码指南与全量语料，支撑可复现的 living audit。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae3818ab796c41ca27d351e"><li><b>做法</b>：双臂审计。生成臂为 19 个 vignette（17 病种加 2 对照）、3 种 footing、5 种 asks 的全交叉，每格采样 3 次，GPT-5.6 Luna judge 抽取干预与 stance 并确定性映射到清单；评分臂由 29 个模型对四类完整清单（药物 139、心理治疗 69、操作 34、数字工具 101）逐项打 −3 到 +3 的七点 Likert，选项每次打乱，每模型 684 次。</li></ul><ul class="notion-list notion-list-disc notion-block-414343b68ae38122bd5bd89763921677"><li><b>局限</b>：无专家共识答案键、案例仅粗略匹配严重度、四类清单未平衡且不能跨单元格合并，评分臂仅 29 个模型。<a class="notion-link" href="https://arxiv.org/abs/2611.12814" target="_blank" rel="noopener noreferrer">↗</a></li></ul><hr class="notion-hr notion-block-414343b68ae381279701f34ba6b139cd"/><div class="notion-text notion-block-414343b68ae38110a9f6ff7b0a397e31"><em>本日报由 AI 自动生成，解读观点仅供参考。</em></div></main></div>]]></content:encoded>
        </item>
    </channel>
</rss>