2026 年 6 月，推荐系统领域的研究延续了 5 月”推理增强”的主旋律，但技术路线发生了显著分化：隐式推理（implicit/latent reasoning）全面压倒显式 CoT，成为生成式推荐的默认推理范式；工业级生成式检索从学术验证走向真正的线上部署，Gryphon 单系统替换 15+ 候选源的实践具有里程碑意义；Semantic ID 的时间感知被首次系统化研究，ChronoID...

从 2024 年下半年到 2026 年上半年，推荐系统领域出现了一批直接面向 list 排序质量、尤其是显式优化 NDCG@K 的研究工作。这些工作横跨代理损失设计、可微分 Top-K 算子、Listwise 偏好优化、LLM 排序、Diffusion 建模等多个方向，形成了一张相当完整的技术图谱。本文按方法论分类，逐篇梳理其动机、核心方法和关键结论。 1. 为什么要直接优化 NDCG...

论文: CapsID: Soft-Routed Variable-Length Semantic IDs for Generative Recommendation 链接: https://arxiv.org/abs/2605.05096 机构: 未明确标注（推测为工业界团队，拥有 3500 万级 item 的工业数据集） 作者: Wenzhuo Cheng, Menghang Gong, ...

论文: Generating Long Semantic IDs in Parallel for Recommendation 链接: https://arxiv.org/abs/2506.05781 机构: University of California, San Diego (UCSD) / Meta AI 作者: Yupeng Hou, Jiacheng Li, Ashley Shi...

论文: Recommender Systems with Generative Retrieval 链接: https://arxiv.org/abs/2305.05065 机构: Google DeepMind / Google / University of Wisconsin-Madison 作者: Shashank Rajput*, Nikhil Mehta*, Anima Sing...

论文: Embedding in Recommender Systems: A Survey 链接: https://doi.org/10.1145/3812652 机构: 香港城市大学（CityU）、百度、香港理工大学 作者: Maolin Wang、Xinjian Zhao、Wanyu Wang（共同一作）；Sheng Zhang、Jiansheng Li、Bowen Yu、Binhao...

论文: LASAR: Latent Adaptive Semantic Aligned Reasoning for Generative Recommendation 链接: https://arxiv.org/abs/2605.10207 机构: 北京航空航天大学人工智能学院、百度 作者: Yiwen Chen, Fuwei Zhang, Zehao Chen, Deqing Wang 等...

论文: Asymmetric Generative Recommendation via Multi-Expert Projection and Multi-Faceted Hierarchical Quantization 链接: https://arxiv.org/abs/2605.14512 机构: 清华大学计算机系（DCST / BNRist）、腾讯 作者: Bin Huang, X...

2026年5月，推荐系统领域的研究热度持续高涨。如果说4月是生成式推荐”从能用到好用”的转折期，那么5月的论文则清晰地勾勒出两条新的技术主线：推理增强（Reasoning-Enhanced）推荐和自适应计算分配（Adaptive Compute Allocation）。前者将 LLM 的 Chain-of-Thought / 隐空间推理能力引入 SID 解码过程，后者则在训练与推理阶段实现”...

论文: How Learning Rate Decay Wastes Your Best Data in Curriculum-Based LLM Pretraining 链接: https://arxiv.org/abs/2511.18903 机构: 清华大学、鹏城实验室 时间: 2025 年 11 月（arXiv v3 更新于 2026 年 5 月） 1. 问题背景 大语言模型预训练...