论文: UniMixer: A Unified Architecture for Scaling Laws in Recommendation Systems 链接: https://arxiv.org/abs/2604.00590 机构: 快手 (Kuaishou Technology) 时间: 2026年4月 1. 问题背景 LLM 中 Scaling Laws 的成功激发了推荐系统...

论文: Beyond Dense Connectivity: Explicit Sparsity for Scalable Recommendation 链接: https://arxiv.org/abs/2604.08011 机构: 阿里巴巴国际数字商业集团（AliExpress） 会议: SIGIR 2026 时间: 2026年4月 1. 问题背景 推荐系统的 Scaling 研究受...

论文: DeepSeek-V4: Towards Highly Efficient Million-Token Context Intelligence 链接: https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro 机构: DeepSeek 时间: 2026年5月 1. 问题背景 推理模型（Reasoning Model）开创了测试时计算扩...

论文: UniRec: Bridging the Expressive Gap between Generative and Discriminative Recommendation via Chain-of-Attribute 链接: https://arxiv.org/abs/2604.12234 机构: Shopee 时间: 2026年4月 1. 问题背景 生成式推荐（Gener...

2026年4-5月，推荐系统领域进入了一个集中爆发期。如果说年初（1-3月）是各家”亮剑”的阶段，那么4-5月的论文则更多体现出从探索到成熟的转变——生成式推荐开始直面工业部署的核心痛点（Scaling 瓶颈、训练效率、生成与判别的统一），Ranking 模型的 Scaling Law 被更系统地挖掘，而 Agent 化推荐也从蓝图走向了可落地的框架。 本文系统梳理2026年4-5月（ar...

论文: OneRec Technical Report 链接: https://arxiv.org/abs/2506.13695 机构: 快手（Kuaishou） 时间: 2025年6月（arXiv），2026年持续迭代部署 1. 问题背景 过去十年，工业推荐系统普遍采用”召回→粗排→精排→重排”的多级级联架构。这种架构虽然在工程上久经验证，但存在三个根本性的局限： 计算碎片化（Fra...

论文: GLASS: A Generative Recommender for Long-sequence Modeling via SID-Tier and Semantic Search 链接: https://arxiv.org/abs/2602.05663 代码: https://anonymous.4open.science/r/GLASS 机构: 快手（Kuaishou）、清华大...

论文: One Model, Two Markets: Bid-Aware Generative Recommendation 链接: https://arxiv.org/abs/2603.22231 机构: Google Research、Harvard University 时间: 2026年3月 1. 问题背景 生成式推荐系统（如 TIGER、OneRec）正在成为推荐领域的新范式...

2026年是工业级推荐系统进入”生成式范式 + 超大规模 Scaling”深度融合的关键一年。字节跳动（含抖音、今日头条、穿山甲、红果等场景）、美团（外卖、到店）、阿里巴巴（淘宝、AliExpress、阿里国际）三家头部公司在 arXiv、WWW、SIGIR、AAAI、ICDE 等渠道集中发布了一批面向工业落地的推荐系统论文。本文按时间线对2026年1月以来这三家公司公开的推荐方向论文进行系...

论文: Rethinking Generative Recommender Tokenizer: Recsys-Native Encoding and Semantic Quantization Beyond LLMs 链接: https://arxiv.org/abs/2602.02338 代码: https://github.com/FuCongResearchSquad/ReSID 机...