DELT: 数据效力——被忽视的语言模型训练优化维度
论文: Data Efficacy for Language Model Training 链接: https://arxiv.org/abs/2506.21545 机构: Microsoft Research 时间: 2025 年 6 月（ICLR 2026 投稿） 1. 问题背景 在大语言模型的训练流水线里，”数据”始终是最具决定性的变量之一。围绕”如何更好地使用数据”，研究社区在过...
札记
IAT: 实例即 Token 重塑工业推荐系统的序列特征工程
论文: IAT: Instance-As-Token Compression for Historical User Sequence Modeling in Industrial Recommender Systems 链接: https://arxiv.org/abs/2604.08933 机构: 字节跳动 (ByteDance) 时间: 2026 年 4 月 1. 问题背景 近年来...
UniMixer: 统一推荐系统三大 Scaling 架构的理论框架与实践
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...
SSR: 显式稀疏性突破推荐系统 Scaling 瓶颈
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...
DeepSeek-V4: 突破百万 token 上下文效率瓶颈的开源大模型
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...
UniRec: 用贝叶斯定理弥合生成式与判别式推荐的表达力鸿沟
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月推荐系统论文盘点：生成式推荐走向成熟
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...
OneRec: 快手端到端生成式推荐系统——用一个模型替代整条推荐链路
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...
GLASS: 生成式推荐系统中的长序列建模——基于SID-Tier与语义搜索
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...
GEM-Rec: 一个模型同时搞定推荐和广告——竞价感知的生成式推荐框架
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...