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。
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
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
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。
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。
评测从“刷榜”转向“归因实验”:Malt 用 669 对反事实双胞胎,把语法性别造成的排序差异与简历质量差异区分开(合成与人工标注一致性加权 κ 0.787);FondueQA 用事实隔离区分“参数化补偿”与“对基准实例的记忆”;Learning Path 论文用预冻结确认集,把即时排序质量(图模型 MRR 0.7707,低于 XGBoost 的 0.9048)与长程路径质量拆开评估。
生成式推荐从「设计更好的 tokenizer」转向「修复两阶段接口」:BRIDGE 把 RVQ-VAE 到 decoder 的信息流失形式化为 Semantic Quantization Gap 并拆成三个 gap,OptST 干脆冻结编码器与基础码本、只让下游推荐损失经 STE 修正有效码本几何,LatentRec 则指出 SID 场景中隐藏态与输入 embedding 存在约 14× 范数差。
评测从“打分”转向“归因”:WISE 将质量问题定位到具体算法组件,FocalSwap 将排序收益归因到具体搜索槽位,PMRecBench 用需求理解 U 和偏好遵循 P 两个指标拆解“个性化失衡”,Optimal Re-Ranking Depth 则证明最优重排深度本身就是 query 级属性。
生成式推荐进入系统工程的竞争阶段:OneTrans-GSR、ReuseGR、ZeroGR 与 SPADE 四篇分别从 slate 级自回归、查询前缀复用、先过滤后解码和业务价值分词切入,说明瓶颈已从模型结构转向解码、显存与 serving 效率。
SID 正从“语义压缩码”变成“效用载体”:UAGR 直接把分享、完播等曝光后行为分桶后写进离散位,并改写 beam 打分;PACERec 则相反,在连续空间用协同前驱证据校准冻结的 LLM 物品嵌入;MV-Thinker 不动物品码,转而让全历史与近期视图各自持有专属查询。
Context as Infrastructure 仅用 BM25+grep 就把 BrowseComp-Plus 做到 85%、FRAMES 做到 91%(两基准不可直接比较),并指出真正的瓶颈已变成重复查询、重读文档与窗口占用——证据充分时查询 token 降 91%、平均降 38%,延迟从 140s 降到 30s。Completeness and Cost 给出同一条曲线的另一面:COLT
PFA 在解码步内渐进收缩注意力预算,LWR 把证据存入 bank、只让固定大小 workspace 传播,PRISM 与 PALATE 则把历史交互压成可冻结接入下游的紧凑向量。这些工作的增益多在 0.15%–3.76% 量级,却同时带来 1.45× 工业推理加速、69.6% 的 GFLOP 下降或一次预训练多处复用——边际收益来自同等预算下读更多历史,而非扩大参数量。判断:长序列的下一战场是可