RecSys 2026 博士论坛论文（6 页，University of Glasgow，作者 Wenhao Deng，导师 Joemon M. Jose）。已完成部分是 RecRec（RecSys 2026 full paper，arXiv 2607.12945）；SID 生成式推荐（RQ2）与算力经济学（RQ3）仍处于计划阶段。

核心思路

LLM 能用推理时的额外计算换精度，最常见的形式是 chain-of-thought。作者认为，语言只是载体，起作用的是计算本身：在参数量固定时，在输入和答案之间多算几步，把答案打磨好再提交。推荐系统很适合讨论这一点，因为推理本来就不必用文本承载，它可以跑在隐状态里，也可以跑在离散码上。

作者把设计选择拆成四个：

1. 形式：latent、文本还是混合。
2. 算多少：更多计算并不总有用，推荐里推理步数增加会先涨后平，再往后反而变差（overthinking）。
3. 怎么用：串行地反复细化同一个答案，或者并行生成多个候选再挑选。
4. 扎根于什么：作者认为这是推荐场景里最先要回答的问题。常见做法是把用户历史和目标物品交给 LLM，让它解释用户为什么会选这个物品，再拿这些 trace 去训练推荐模型学推理。这类 rationale 是在答案已知之后写的，读起来通顺，拟合的却是答案，而不是背后的行为。

所以作者主张，trace 要扎根在推荐系统真正拥有的信号上，也就是用户行为和物品本身。至于用什么形式承载，由任务决定，不预先指定。

论文用三个研究问题展开：

RQ	场景	问题	状态
RQ1	传统序列推荐	推理 trace 怎么设计	已完成（RecRec）
RQ2	SID 生成式推荐	哪种 trace 设计是这个任务原生的	进行中
RQ3	算力经济学	相同预算下哪种形式最划算，以及怎么在算力对齐下比较	计划中

整体实现思路

RQ1：RecRec。 作者先看前作的问题。ReaRec 把推理 token 拼接到输入序列后面，LARES 在全部历史隐状态上迭代一个共享块。无论推理多少步，两者的预测最后都塌缩成一个向量，推理和预测共用同一个表示。

问题出在推荐的打分方式上：分数是 user 表示和 item embedding 的内积。如果推理直接改写这个用于预测的向量，它只能在内积几何已经能到达的范围里移动。RecRec 因此把两者拆开：

• 推理状态：只负责中间计算，从不直接预测，可以自由演化；
• 隐兴趣：多个兴趣槽，保持与 item embedding 兼容，只接收推理状态”提交”回来的结果。

方法	推理空间	预测用的隐空间	是否解耦
ReaRec	附加到序列后的推理 token	最后一个推理 token（或平均）	否
LARES	在全部 L 个隐状态上迭代	最后一次迭代的末位	否
RecRec	专用推理状态	专用隐兴趣	是

RQ2：SID 生成式推荐的设计空间。 在生成式推荐里，trace 不再是挂在编码器后面的隐状态，而是模型输出的一部分。作者沿三个维度梳理设计空间：

• 形式：连续向量，或离散码序列；
• grounding 粒度：在用户状态层面，还是在单个物品层面；
• 监督来源：末端的 outcome reward、每步的 process reward，或者来自已有模型的稠密分布级指导。

现有工作各自只占设计空间里的一个点。例如 STREAM-Rec 是显式离散 token 加 RL，PROMISE 是推理时搜索加学到的过程奖励。

作者认为第三个维度最能体现推荐的特点。数学和代码推理的信用分配很稀疏：outcome reward 说不清哪一步错了，PRM 又需要训练或人工标注。推荐领域则有现成的强模型可用，可以让一个训练好的推荐模型当稠密的过程级监督者，在 trace 的每个位置给出完整分布，而不只是在末尾给一个标量。作者的说法是：这个专家不是语言模型，语言模型也不是推荐专家，但推荐专家能告诉推理器每一步该关注什么。用户画像在 trace 里用连续状态还是离散码承载，作者也当作开放维度，不预设答案。

RQ3：算力经济学。 包括三部分：

1. 在算力对齐（而不是步数对齐）的条件下，比较 latent 与文本 trace 的性价比；
2. 想多深：按用户或请求自适应分配预算。历史短、可预测的用户，不该和历史长、意图模糊的用户付出同样的计算；
3. 建立统一的算力归一化评测协议，按同一种方式报告 latency 和质量的权衡。

子模块实现（可复现细节）

以下来自本文第 4 节对 RecRec 的概述，很多超参数（R、维度、内循环结构、正则项形式）文中没有给出，需查 RecRec 全文。

Context Compressor

• 输入：冻结 backbone（SASRec 或 BERT4Rec）的隐状态 H。
• R 个可学习 query 对 H 做 cross-attention，得到 R 个隐兴趣槽，替代单一的预测向量。
• Interest Diversity Regularizer：约束各槽不塌缩到同一方向。具体形式文中未给，推断为余弦相似度或正交类惩罚。

Recursive Reasoner（reason-then-update 循环）

• 维护两个状态：推理状态 z（从不预测）和隐兴趣 I（负责预测）。
• 每一步先由 z 做若干次内循环，每次重新读 H 和当前的 I；
• 然后经 GRU 门把结论写回 I，即 I ← GRU(I, f(z))（记号为推断），让兴趣渐变而不是跳变。
• 最终用 I 与 item embedding 做内积打分。由多个兴趣槽如何聚合成最终分数，文中未说明，推断为 max 或注意力聚合。

两阶段训练与深监督

• 阶段一：联合训练 backbone 和 compressor，直接用隐兴趣做预测。
• 阶段二：冻结 backbone 和 compressor，只训练 reasoner。
• 深监督（参照 HRM）：每一轮推理结束都算一次推荐 loss，而不是只在末尾算；轮与轮之间对两个状态做 detach，使每一轮都学同一件事，即改进拿到的任何状态，与之前的轮次无关。
• 调度：3 轮 × 每轮 3 步 × 每步 3 次内循环，训练深度 N = 9。
• 结果：reasoner 学到的是一个通用的改进算子，推理时可以跑超过 9 步，不需要前作那样的 RL 阶段就能做变深度推理。

实验设置与结果

数据：Amazon 2023 发布中的 S-Shop（软件）和 V-Shop（视频游戏），MicroLens-100K（短视频），Steam（游戏）。均做 5-core 过滤，全库排序，指标为 NDCG@10/20 和 Recall@10/20。文中没有给出各数据集的规模。

基线：非推理的 SASRec、BERT4Rec；推理增强的 ReaRec-ERL、ReaRec-PRL、LARES。

主结果（NDCG@10）。 “最佳基线”指每个数据集上最强的推理增强方法；RecRec 用训练深度 N=9，没有按数据集挑最佳深度。

数据集	最佳基线	RecRec	相对提升
S-Shop	0.0818	0.0853	+4.3%
V-Shop	0.0182	0.0197	+8.2%
MicroLens	0.0460	0.0503	+9.3%
Steam	0.0419	0.0481	+14.8%

深度扫描（图 1，N 从 0 到 16，两种 backbone，看 NDCG@20）。 作者把结果读成三个信号：

1. 这条轴有回报：不挑深度，4 个数据集全部超过最强推理基线。提升最大的是历史最长的 Steam。
2. 这条轴能延伸：在 3 个数据集上，推理深度超过训练深度后仍继续提升，训练深度不是上限。MicroLens 是边界案例，早早见顶之后下降。
3. 第一步贡献最大：第一步就拿回了推理带来的大部分增益，后续步骤只做细化。

作者的自我判断：增益是真实的，但幅度不大。作者推测天花板不在 RecRec，而在它继承的匹配范式：无论推理多深，最后都是一个 user 向量和冻结 item embedding 的内积，推理只能细化内积的一侧。生成式推荐逐层解码 SID，把检索变成一串决策，物品库存放在模型参数里，生成过程本身就是逐步的，所以推理可以长在生成过程内部。这也是转向 RQ2 的理由。

本文没有的东西：线上 A/B、推理延迟或 FLOPs、消融实验、方差或显著性检验。

思考与可参考价值

1. 这篇论文的价值主要在观点。 实证部分只有 RecRec 的一张表和一条曲线，而且局限在传统序列推荐、学术小数据集上，绝对值很低（V-Shop NDCG@10 约 0.02）。SID 生成式推荐部分（RQ2）还没有任何实验。

2. expert-as-supervisor 最值得在电商 GR 上试。 线上已有的强模型（双塔召回、精排，或者上一版 SID 生成模型）可以对推理 trace 的每一步给出物品分布或 SID 各层码分布，用 KL 等形式做稠密的过程监督。这样既不需要 LLM 写的事后 rationale，也避开了 RL 的稀疏奖励。要注意，学生被老师的分布约束住，可能学不到超越老师的推理；可以只在前几轮施加约束，或者给约束项加权退火（推断）。

3. 解耦与深监督可以迁移到历史压缩结构上。 如果已经有 Q-Former 一类把长历史压成若干 slot 的模块，可以把 slot 当作隐兴趣，再加一个不直接出分的推理状态迭代细化 slot。训练时每轮都算 loss 并 detach，推理时按请求选深度（推断）。

4. “第一步增益最大”对上线是好消息。 如果在电商数据上同样成立，只做 1 步推理就能拿到大部分收益，延迟可控。但要先做深度扫描，排除 MicroLens 那样的过度思考。

5. 评测要算力对齐。 作者批评领域里缺少按算力归一化的比较，但 RecRec 自己也没报告算力。我们做内部实验时应当默认画”质量 vs 额外 FLOPs/延迟”曲线，并且和同算力下直接加深 backbone 的方案比较。

采纳前要核对：

• RecRec 全文的消融能否证明解耦本身有效，而不是多兴趣槽带来的增益；
• R 和内循环的开销；
• 与 ManCAR、并行隐推理等同期方法的对比结果。