单教师视角增强：利用学生引导扰动改进知识蒸馏
🧭 知识蒸馏 · 视角增强
用学生动态特征引导无参数循环移位生成多样视角，实现单阶段高效知识蒸馏
📌 工作参考价值（4 点）
- 电商/广告推荐模型压缩场景（如CTR、排序模型）中，蒸馏轻量级在线模型时，可直接使用学生模型的动态特征生成多视角监督，提升泛化能力，无需维护多个教师或复杂的训练流程。
- 无参数的循环移位扰动实现零额外参数开销，适合资源敏感型线上推理环境；单阶段训练避免预教师训练，简化工程链路。
- 可借鉴该思路将学生特征作为条件，设计自适应噪声注入（如特征层随机移位、维度重排），生成多样化的虚拟教师视图，替代传统的固定教师输出。
- 方法对模型结构无侵入性，可快速集成到现有的 logit/feature 蒸馏框架中，实验观察可直接迁移至电商领域的同等架构模型。
多样化多项Logit上下文Bandit算法
🧭 推荐多样性 · 上下文Bandit ★ 深度解读
Seoul National University
将多样性作为子模函数直接嵌入MNL选择概率，利用无黑箱oracle的UCB算法实现近似最优的集合推荐
📌 工作参考价值（4 点）
- 多样性直接参数化选择模型：不同于事后加权或规则注入，把多样性作为影响用户点击/购买概率的隐性参数，可借鉴到电商商品集合推荐、搜索结果的多样性建模中，用可学习的 λ 自动平衡相关性与多样性，避免人工调权。
- 项目式贪婪构造近似最优集合：用逐项边际增益最大化方式构造推荐集合（复杂度 O(NK)），并提供理论近似比 (1 − 1/(e+1))，可替代全枚举或黑箱优化，大幅降低在线推理计算开销。
- 在无项目级反馈下学习多样性：模型仅收到集合整体反馈（如点击或购买），无须每个位置或项目的边际奖励信号，这与推荐列表的线上观测场景一致，可利用 UCB 联合估计相关性和多样性参数，实现子线性后悔。
- 子模多样性函数的选用与 strict submodularity 条件：工程实现时可采用满足 strict submodularity 的多样性度量（如基于类目覆盖的指数衰减函数），以保证乐观奖励函数保持子模性，从而保证贪婪构造的逼近效果。
多智能体LLM的探索失败与显式探索框架MACE
🧭 多智体协作中显式探索方法 ★ 深度解读
University of Wisconsin–Madison · University of California, Santa Barbara
发现LLM agent在多智能体环境中普遍探索不足，提出MACE通过上下文赌博机显式引导探索，显著提升协作质量
📌 工作参考价值（4 点）
- 在多智能体协作场景（如多agent推荐、多agent竞价）中，LLM原生缺乏有效探索，容易过早锁定次优agent。可借鉴MACE的LinUCB框架，将agent选择建模为上下文赌博机，通过显式不确定性奖励驱动探索，避免in-context selection的过早收敛。
- 特征工程上，可设计关系特征：agent响应与当前答案的差异（信息增益潜力）、agent之间的差异性、历史准确率、交互轮次。这些特征能编码协作的结构化信息，比单纯的计数或成功率更有效。
- 在线学习时，使用LinUCB维持设计矩阵A和奖励向量b，利用公式(4)选择agent，实时更新(5)。该方法轻量，无需复杂协调协议，适合工程化。
- 理论表明，agent能力异质性越大，探索收益越高。当agent池存在显著能力差异（如不同模型、不同专家）时，应加大探索系数。对于能力相近的agent，探索价值有限，可适当降低探索。
Harness Handbook：面向Agent框架演化的行为中心可读表示与渐进式代码定位
🧭 Agent harness 行为定位与编辑辅助
Tencent · Indiana University · University of Maryland, College Park · University of Georgia · National University of Singapore
通过静态分析+LLM自动构建行为手册并引导渐进披露，解决Agent harness修改中的行为定位瓶颈
📌 工作参考价值（4 点）
- 维护行为手册辅助搜推系统Agent harness迭代：在电商搜索推荐的多阶段pipeline（召回、粗排、精排、重排）中，Agent harness常跨模块分布，修改一个业务逻辑需定位多处代码。借鉴Harness Handbook思路，可对搜推系统Agent框架做静态分析+LLM结构化，自动生成行为-代码映射表，让开发者快速找到所有相关实现点。
- 用渐进披露降低LLM Agent的规划成本：BGPD从高级行为描述逐步引导到具体代码细节，可迁移到内部代码修改Agent（如用LLM规划代码变更）——先定位行为，再展开实现细节，节省推理token并提高编辑计划准确性。
- 强化行为定位验证机制：在实际的Agent harness变更中，引入对候选代码位置的静态验证，可避免LLM规划阶段产生幻觉导致的错误修改，这对高频迭代的电商大促策略调整很有价值。
- 拥抱行为为中心的文档化自动化：搜推Agent的prompt、工具调用、状态管理常分散在多个文件，可仿照此方法生成可读的“行为手册”，降低新人上手和跨团队协作的成本。
基于代理模型更新信号解耦的 LLM 后训练模块化范式
🧭 LLM 后训练 · 代理探索 · 信号解耦 ★ 深度解读
Shanghai AI Laboratory · Fudan University · Zhejiang University · Shanghai Innovation Institute · Shanghai Jiao Tong University
用轻量代理模型探索相对改进信号并解耦式传输，实现异步、可复用的跨模型后训练
📌 工作参考价值（4 点）
- 低成本探索与迁移：在推荐模型或 Agent 策略训练中，可利用小模型（如蒸馏版或轻量级网络）作代理，探索用户反馈/奖励信号，将相对改进信号迁移到大模型，大幅降低采样与评估成本。
- 异步信号缓存与复用：解耦后，代理探索的更新方向可独立存储为分布差异对，一次探索、多模型复用，适合多场景（电商搜索、广告推荐）快速对齐不同版本主模型，无需重复完整RL pipeline。
- 弱到强泛化迁移：相对改进信号不依赖代理绝对能力，弱代理探索的信号可有效提升强主模型，适用于利用用户行为日志训练小模型提取偏好、再迁移至大规模生成式推荐模型。
- 校准系数控制迁移强度：借鉴λ的锚点校准机制，在迁移时根据主模型当前状态动态调整信号强度，避免过更新，可在电商/广告的强化学习训练中实现更稳定的策略迭代。
基于摘要记忆的可解释 Agent 对话诈骗检测系统
🧭 可解释 Agent · 摘要记忆
University of New Haven
以可解释 Agent 融合单消息与对话级检测，引入摘要记忆跨消息推理，在基准上达 97.8% 准确率
📌 工作参考价值（4 点）
- 摘要式记忆机制可迁移至电商客服 Agent：对长对话压缩关键意图与上下文，避免窗口溢出，提升多轮交互下需求理解和推荐准确性。
- 可解释性设计：输出检测理由，可借鉴到推荐系统的透明性解释，例如解释为何推荐某商品，增强用户信任。
- 多阶段检测架构：结合单消息快速判别与对话全局分析，可类比推荐精排-粗排流程，平衡响应延迟与精度。
- 用户研究评估方法：使用 SUS 量表和前后测对比验证用户信任和接受度，可复用于评估搜索推荐 Agent 的用户体验与 AI 辅助效果。
交互缩放：为测试时计算确立第三轴
🧭 Agent 交互范式与评估接地 ★ 深度解读
Pine AI · University of Washington
提出测试时计算的第三轴——交互缩放，用外部工具反馈打破内部计算天花板
📌 工作参考价值（4 点）
- 用可测量的外部仪器替代 VLM 截图评估：在商品图、banner 广告、着陆页等视觉物料生成场景，直接测量 DOM bounding box 检测重叠、溢出、对齐等问题，避免截图裁切导致评估盲区。
- 引入执行反馈闭环提升代码生成：推荐系统配置、排序策略、特征工程等代码模块，可接入 pytest 或类似执行环境，将失败断言与 traceback 作为反馈信号，驱动模型迭代修复直至 100% 通过率。
- Proposer–Reviewer 分离架构控制成本和方差：让提议模型专注生成，审查模型仅接受结构化缺陷信号（如元素重叠列表）而非原始 stderr，可减少约 28% 的 token 消耗并消除种子间方差。
- 内部推理或采样饱和时，转向外部交互获取新信息：当推荐解释、搜索 query 生成等依赖模型已有知识无法进一步提升时，引入可执行的验证工具（如搜索引擎校验、数据库查询）可突破信息天花板。
解释伪相关反馈何时失效：面向选择性查询扩展的参与式审计
🧭 查询扩展·选择性PRF·LLM审计
通过用户审计量化PRF的损害并优先避免，用LLM重排序器自动预测选择性决策并给出可解释证据
📌 工作参考价值（4 点）
- 在搜索/广告/推荐场景的查询扩展模块中，可引入参与式审计（小规模用户测评）来标定真实体验风险，发现哪些查询因扩展导致漂移，量化避免损害的价值
- 用LLM重排序器作为选择性查询扩展的决策器：输入原始查询和候选扩展词，让LLM基于文档证据预测用户偏好（受益或受损），并提供可检查的文本解释，实现审计自动化
- 架构上采用「先审计后自动化」两阶段：先用用户标签构建偏好数据集，再训练或微调LLM预测器，让系统决策与用户感知对齐，而非仅依赖QPP统计量
- 业务中面对高风险查询（如品牌词、长尾精确词），优先遵循「避免伤害」原则，在扩展收益不确定时保守处理，将拦截损害的价值置于放大成功之上
利用大语言模型作为内在编码器进行视觉令牌压缩
🧭 视觉令牌压缩 · VLM推理效率
Anhui Province Key Laboratory of Digital Security, University of Science and Technology of China
提出 VisCo，把预训练 VLM 重用为内在视觉令牌压缩器，用参数共享自编码器和记忆令牌实现高压缩比下的领先性能。
📌 工作参考价值（4 点）
- 在电商多模态商品理解中，可复用已部署的 VLM 作为视觉特征压缩器，避免引入外部模块和重训练成本，直接降低推理延迟。
- 记忆令牌（memory tokens）的压缩方式类似推荐系统中的语义 ID 压缩，可将高维视觉特征蒸馏为少量可学习令牌，适合大量商品图片的在线编码。
- 层级信息传递机制可用于多尺度商品视觉特征提取，在不增加额外参数的前提下保留细粒度信息，提升下游检索或推荐质量。
- 极端压缩（如单令牌）下性能稳定，适合对实时性要求高的推荐场景，如首页商品卡片渲染、搜索结果的首图压缩。
利用 LLM 诱导用户偏好以改善离线 Top-N 推荐评估
🧭 评估方法与流行度偏差缓解 ★ 深度解读
Information Retrieval Lab, CITIC, Universidade da Coruña
两阶段 LLM 先归纳用户偏好再补充缺失判断，降低评估中的流行度偏差
📌 工作参考价值（4 点）
- 在电商/广告推荐离线评估中，可利用 LLM 为每位用户生成偏好摘要（类似购物画像），再对多路召回融合后的 top-N 候选池中未被点击/购买的物品进行相关性补充标注，减少假阴性。
- 采用池化思想：只对多个推荐算法输出的并集进行 LLM 打分，避免全量评定，成本可控且聚焦评价关键区。
- 提示设计上，用“偏好叙述 + 判断指令”比直接给历史交互序列更能降低判定中的流行度先验；在实际业务中可先让 LLM 总结用户浏览/购买历史，再基于摘要评估新商品的契合度。
- 注意适用条件：若候选池本身已被热门商品主导（如仅评估头部的精排结果），补充标注可能反而强化流行度偏差，需配合多样性控制或长尾增强策略一同使用。
面向AI网页智能体的电商网站设计框架
🧭 Agent 可执行性设计提升任务可靠性
提出三个维度的agent-ready网站设计框架，使AI浏览器代理任务成功率从49.3%提升至89.3%
📌 工作参考价值（4 点）
- 结构化产品页提升Agent抓取：用明确的data-属性、语义化HTML标签（如<price>、<feature>）标记商品信息，可大幅降低Agent提取详情失败的PARTIAL率（本实验中从43次降至3次），电商平台可据此优化前端代码生成或模板，让模型更快更准获取信息。
- 动作线索设计减少无效步骤：在关键决策点提供Agent可识别的action cue（如显式按钮“比较所选”或结构化选项列表），使平均步骤从9.31降到6.49，可直接应用到产品比较、多约束筛选环节，提升多步骤任务的完成效率。
- 证据信号增强决策可靠性：为价格、库存、促销等动态信息添加时间戳和状态标签（如price-valid-until），Agent可以利用这些证据判断信息时效，避免基于过期数据做决策，对秒杀、闪购场景尤其重要。
- 可执行性指标体系借鉴：框架定义的agent interpretability、executability、decision reliability三维度，可转化为前端质量评估指标，用于A/B实验对比不同页面方案对Agent性能的影响，驱动迭代优化。
面向连续第一视角视频的主动式助手基准与记忆增强智能体
🧭 主动式智能体 · 长时记忆检索 ★ 深度解读
大连理工大学 · Alaya Lab · 东京大学
构建首个大规模主动式辅助基准 EgoServe，提出免训练记忆增强智能体 EgoMemo，实现基于多尺度记忆的自主干预决策
📌 工作参考价值（4 点）
- 多尺度记忆层次可直接迁移到用户行为建模：将用户 long-term behavior 序列按粒度组织为「短期行为（clip）→ 活动总结（activity）→ 长周期例行（session）」的层次化摘要，在推荐或 push 触发时按需检索不同粒度的上下文，缓解长记忆灾与窗口限制。
- 知识图谱 + 多模态嵌入的并行检索设计值得借鉴：EgoMemo 同时维护语义知识图谱（实体关系）和视觉嵌入库（难以文本化的视觉细节），多路并行检索后做 caption 重建，这一范式可改造用于商品知识图谱 + 用户行为序列检索，提升推荐解释的上下文还原度。
- 将主动干预决策建模为检索增强推理输出：主动推送时机不再依赖硬规则事件检测，而是让 Agent 基于当前上下文 + 检索到的长程记忆自主生成干预决策与内容，可直接应用于电商消息推送、智能客服主动发起对话等场景。
- Caption 重建步骤桥接检索片段与完整上下文：检索到的片段往往是零散的索引或 caption，用 VLM 根据检索目标和原片段重构连贯描述，这能解决 RAG 类系统中“碎片化证据无法直接用于推理”的痛点，可复用到生成式推荐的结果解释或对话上下文中。
MM-ToolSandBox：面向视觉工具调用 Agent 的统一评估框架
🧭 视觉工具调用 · Agent 评估 ★ 深度解读
Apple
提出首个多图像、多轮、状态化视觉工具调用基准，揭示视觉精度是前沿模型的主要瓶颈
📌 工作参考价值（4 点）
- 多模态 Agent 在电商场景的潜在应用：商品图片识别、广告素材分析、用户截图诊断等任务可借鉴该框架的视觉工具调用模式，但当前模型在图像信息抽取精度上不足（53% 的失败源于误读图像），在落地前需要增加视觉校验或人工兜底。
- 评估方法论可直接复用：框架采用“状态差分 + LLM 裁判”双轨评估，实体 F1 衡量结果一致性，裁判器评估任务完成与信息准确度，尤其适合带数据库的后台操作（如订单、购物车、日程）的 Agent 评测。
- 多图像工作记忆是瓶颈：发现“前期一次性给出所有图片”的场景比逐步给图难 20%，说明长期上下文中的视觉引用是弱点。在构建电商导购 Agent 时，可将图片分批发送，降低记忆负担，或引入外部缓存/索引来保存图片信息。
- 执行接口选择依模型而异：代码执行和结构化工具调用没有统一更优方案，应根据所用模型分别测试。小米（4B-27B）模型在代码执行上比工具调用好 6-8 个点，而 KIMI 2.6 在工具调用上反而更强，工程上可提供双模式并 A/B 选型。
MMRM：面向电商搜索排序的多路多模态商品表示模型
🧭 多路多模态表示 · 多任务对比学习 ★ 深度解读
JD.COM
用共享MLLM加任务特定token，一次推理生成四种解耦商品向量，并设计多路用户表示提升多目标排序
📌 工作参考价值（4 点）
- 多任务协同信号联合训练：将搜索点击、行为序列中的点击/加购/下单四种信号分别构建三元组数据集，用对比学习对齐多模态LLM，生成更全面的商品表示。可迁移到电商多行为序列建模，捕捉不同意图（流行、搭配、复购）的品间关系。
- 一次推理产出多套解耦向量：在输入中插入[SEARCH]/[CLICK]/[CART]/[ORDER]等任务特定token，经过共享主干后由独立MLP投影，单次前向获得四个解耦嵌入，避免为每个任务单独微调或推理，适合工程落地。
- 排序侧的多路用户表示：利用多套商品向量分别进行Soft Search提取任务相关行为序列，再通过Multi-Head Target Attention生成任务特定用户表示，最后经MMoE融合。这种设计能让CTR/加购/转化塔各取所需，缓解多任务场景的表示纠缠问题。
- 数据构建技巧：基于行为图采样时，用Word2Vec风格的子采样概率和难负例采样（同子类目负例）提升对比学习质量；使用GradCache突破显存瓶颈，在4B参数MLLM上用4096 batch size训练，可直接参考其工程参数。
MonkeyOCRv2：面向文档AI的视觉-文本基础模型
🧭 文档视觉预训练 · 多模态基础模型
Huazhong University of Science and Technology · Kingsoft Office
面向文档图像的视觉-文本预训练模型，通过联合生成与重建策略提升多任务性能，冻结后可作为高效的多模态LLM视觉编码器
📌 工作参考价值（4 点）
- 商品图像文本增强：联合生成与像素重建的预训练策略对字符笔画和布局高度敏感，可直接用于提升电商商品图、广告素材的OCR准确率，特别是小字、艺术字、复杂背景下的关键信息提取。
- 高效商品文档解析：冻结MonkeyOCRv2+轻量LM（0.7B）即可获得SOTA文档解析效果，推理开销远低于通用大模型，适合大规模商品描述、质检报告、报关单据的结构化信息抽取。
- 多语言支持：预训练涵盖17种语言，对国际化电商平台处理多语言商品标题、评论图片、广告文案有直接帮助，无需额外语言适配。
- 篡改检测与内容审核：模型在文档篡改检测上的强大能力可迁移至商品图片真伪鉴定、用户评论截图真实性审核等风控场景。