TRIAGE：面向自动化图RAG的可信评估与诊断框架
🧭 Graph-RAG 多阶段可信评估
IRT-SystemX
提出分阶段、无标注的信任指标链，用于定位自动构建的知识图谱在RAG中的故障阶段
📌 工作参考价值（4 点）
- 电商知识图谱问答（如商品属性问答、政策检索）可借鉴分阶段诊断链：将RAG流程显式拆为抽取、建图、检索三环，部署轻量级必要性指标，线上第一个不达标的指标直接指明故障环节，缩短排障时间。
- 提出的无标注指标（三元组置信度、源文档覆盖率、检索覆盖率、检索成本）可直接集成到离线评估流水线，用于自动构建商品知识图谱后的质量门禁，无需人工标注。
- 明确区分在线指标与离线校准指标，借鉴这一设计可以在保持实时监控轻量的同时，周期性使用人工参考做精确的全量校验，适合推荐场景中“先线上快速检、后离线深度纠”的双层评估策略。
- 对Graph-RAG系统中“图的结构质量”的评估方法，可迁移到基于知识图谱的搜索或推荐中，帮助判断自动构建的图是否因结构化错误而漏召回或错排序。
移动端电影运镜生成扩散模型 CineMobile
🧭 移动端高效视频生成
Shanghai Jiao Tong University · Nankai University · Transsion
通过剪枝-蒸馏-量化三阶段优化，将大型视频扩散模型压缩至移动端，实现40倍加速的电影运镜生成
📌 工作参考价值（3 点）
- 主要是视觉生成领域的模型压缩贡献，对推荐/广告/Agent 系统的直接业务可借鉴点有限。
- 蒸馏引导的结构化剪枝策略可迁移至推荐模型压缩：先用蒸馏让剪枝后模型快速恢复能力，再联合微调。
- 强化学习与扩散蒸馏结合的少步生成方法，可为搜索推荐系统中使用扩散模型做生成式推荐（如 GenRec）时降低推理步数提供思路。
逐令牌追踪多模态生成中的注意力动态
🧭 多模态LLM注意力机制的可解释性分析
CVIT, IIIT Hyderabad
系统揭示多模态LLM生成过程中注意力随语义角色切换的逐令牌动态，并提出测试时干预提升多模态任务性能
📌 工作参考价值（4 点）
- 在多模态推荐（如图文推荐理由生成）中，可借鉴注意力动态模式，在需要图像信息的生成阶段显式增强视觉注意力，提升描述准确性。
- 测试时注意力干预方法简单有效，无需重新训练，可集成到现有多模态LLM推理流程中，用于电商详情页的多模态内容生成或广告文案优化。
- 分析发现的跨模态泄漏和语言先验问题，提示在多模态Agent设计时需平衡视觉与文本信息，避免忽略图像或过度依赖语言模板。
- 对于查询生成（如基于图片的搜索词生成），可参考指令令牌重访模式，在任务切换时重新引入指令线索，确保生成相关性。
贝叶斯稀疏低秩适应实现大语言模型不确定性估计
🧭 LoRA 变分贝叶斯稀疏训练 · 不确定性校准
Jilin University · Michigan State University
在LoRA的秩维度上施加随机掩码实现变分贝叶斯稀疏化，高效校准LLM推理置信度
📌 工作参考价值（4 点）
- 电商/推荐系统中用 LoRA 微调 LLM 做预测时，可直接引入秩维度的随机掩码（如训练时 Dropout 某个 rank component）来抑制过自信，无需修改模型主体。
- 将 DALorRA 的变分贝叶斯训练视为一种轻量集成：推理时多次随机采样子 rank 结构取平均，低成本获得校准后的预测分布，适合线上需要可信度打分的场景。
- 该工作验证了在仅操作 LoRA 参数的情况下即可实现有效校准，对线上部署友好，可避免昂贵地维护多个模型副本。
- 方法简单、即插即用，可直接嵌入现有的 LoRA 微调流程（如广告预估、搜索相关性判断等分类/回归微调任务）获得置信度更可靠的输出。
CheckRLM：检索增强推理中有效的知识与思维一致性检查
🧭 检索增强推理 · 知识一致性检查
Beijing Normal University · Chinese Academy of Sciences · University of Chinese Academy of Sciences · Tsinghua University · Northeastern University
提出 CheckRLM 框架，在推理过程中实时提取事实声明并利用外部知识进行错误检测与最小代价修正，显著缓解长链条推理的错误累积。
📌 工作参考价值（4 点）
- 在电商/Agent 的多步推理链（如推荐解释、对话决策）中，可借鉴事实声明提取与外部知识校验机制，实时拦截幻觉，提升最终推荐可信度。
- 最小代价修正策略（仅针对错误事实局部改写）能降低 token 开销，适合在线高并发场景的推理成本控制。
- 知识-思维一致性检查模块可作为独立插件嵌入现有 LLM 推理流程，无需重新训练模型，便于业务快速实验与迭代。
- 长推荐会话或用户意图推理中易出现错误累积，该方法提供的及时纠错可防止下游决策偏离，增强整体链路的鲁棒性。
离线强化学习泛化：悲观结构比悲观程度更重要
🧭 离线RL泛化 · 悲观结构对称性
Delft University of Technology
在上下文MDP中，悲观结构的对称性而非悲观程度，决定了离线RL最优泛化；建议用策略提取一致性增强。
📌 工作参考价值（4 点）
- 设计离线策略学习时，优先考虑数据覆盖的结构对称性，而不是盲目调节保守系数。
- 数据增强不应仅用于扩充训练集，更应通过策略提取阶段的一致性损失注入对称归纳偏好，尤其适用于已知旋转、平移等对称性的推荐/Agent环境。
- 若业务场景存在对称性（如用户偏好对商品类别旋转不变），可显式约束价值函数对称，以提升泛化。
- 离线训练Agent时，避免在增强数据上直接做价值迭代，改用先离线训练再策略提取时加入一致性正则，能更稳定地利用增强。
从答案生成器到推理促进者：为高压数学教育设计AI导师
🧭 AI辅导中的推理促进设计
Stanford University
发现学生抗拒纯苏格拉底式对话，将‘答案优先’捷径重新用作诊断检查点，提出推理中心化产品循环
📌 工作参考价值（4 点）
- 对话式推荐/Agent 可借鉴‘答案优先’作为诊断捷径：在推理链中允许用户跳过步骤直接查看结果，系统再反向引导用户反思缺失步骤，降低摩擦。
- 分层工作示例与步骤链接的可视化锚定，可迁移到推荐解释界面：将多步推理过程展开为可折叠的层次，并高亮当前步骤所依赖的输入，提升透明度。
- 元认知脚手架（提示用户自我解释推理步骤）可融入 Agent 决策过程，让用户在关键节点确认或修正，增强人与 Agent 的协作信任。
- 推理中心化产品循环（检查→局部修复→课程验证→延迟检索）可视为一种推理型任务的交互框架，适用于搜索/推荐系统中需要多轮修正的场景，如动态查询细化或探索式推荐。
当无人注视时LLM代理说了什么：多智能体辩论中社会结构与隐性目标的涌现
🧭 多智能体社会结构导致公开与私下表达分歧
Independent Researcher · Carnegie Mellon University
社交压力使LLM代理公开言论大幅偏离私下真实想法，分歧从3%升至40%
📌 工作参考价值（4 点）
- 在构建多智能体模拟环境（如用户反馈模拟、谈判代理）时，引入私下通道（OTR）可检测代理公开言论的真实性，避免因社交压力导致的策略失真。
- 广告文案生成或推荐解释评估中，可借鉴双通道框架对比公开输出与内部无约束输出，从而识别过度讨好或迎合受众的内容偏差。
- 需要代理协商的场景（如动态定价、库存分配），利用本文的立场、语义相似度等行为测量方法量化代理的让步程度，防止因关系压力做出次优决策。
- 代理评估不应只关注任务完成指标，还应检测社交环境下涌现的隐性目标，这对电商搜索会话中对话代理的诚实性保障有直接启发。
DecompRL：通过模块化代码生成解决更难问题
🧭 分解式问题求解 · 模块化代码生成
FAIR at Meta · Inria · École Normale Supérieure · CERMICS · École des Ponts ParisTech
将难题分解为独立子函数，训出可组合的模块化代码，用 CPU 组合爆炸替代 GPU 重采样
📌 工作参考价值（4 点）
- 复杂推荐 / Agent 任务可借鉴“分解—独立实现—组合”范式：将长流程或组合动作拆成原子模块，分别用 LLM 生成候选实现，再通过组合搜索提高成功率，同时减少高成本 LLM 调用。
- 生成式推荐中，将完整的 item semantic ID 或推荐文案拆成多个独立子部分生成，再灵活组合，可获得指数级候选多样性，且大部分组合验证可在 CPU 上完成。
- 训练 Agent 规划能力时，用 DecompRL 类似的 RL 目标鼓励模型自动学习“何时以及如何分解子目标”，可提升长远任务成功率。
- 线上重采样（pass@k）成本高昂时，可将一次性生成转换为“少量模块候选 + CPU 组合评估”模式，显著压缩 GPU token 消耗（论文中 ~50×），适合高流量推荐系统降本。
DemoPSD：基于分歧调制的策略自蒸馏
🧭 LLM自蒸馏与探索保持 ★ 深度解读
City University of Hong Kong · Tsinghua University · Shenzhen University of Advanced Technology · Chinese University of Hong Kong, Shenzhen
通过自适应混合教师与学生分布的反向KL重心目标，缓解特权信息泄露并保持探索能力
📌 工作参考价值（4 点）
- 自适应蒸馏强度：当教师模型（带特权信息）与学生模型（无特权信息）的 token 级分布出现较大分歧时，自动降低教师信号的权重（通过 α_t 控制），避免学生学到不可迁移的捷径。这一 trick 可直接迁移到搜索/推荐中的蒸馏场景，例如知识蒸馏精排模型时，若教师模型访问了后验特征（如点击后行为），可对分歧大的样本或位置减弱蒸馏力度。
- 保持策略熵防止坍缩：DemoPSD 训练过程中保持了比 SDPO 高 33-98% 的策略熵，从而保留了探索能力，提升 best@16 效果。在强化学习推荐或对话策略训练中，可以借鉴这种通过调整蒸馏目标来维持策略多样性、避免过早收敛到次优解的方法。
- 反向KL重心作为蒸馏目标：使用 π_target ∝ (π_teacher)^{1-α}·(π_student)^α 的几何混合替代直接匹配教师分布，比算术平均能产生更锐利且规避模式坍塌的训练信号。对于多任务推荐模型蒸馏，可以类似地对不同任务专家模型的 logits 做几何加权，兼顾多目标。
- EMA 参考模型稳定训练：计算分歧时使用学生模型的指数移动平均副本作为参考，避免训练不稳定。在在线学习或持续自蒸馏的推荐系统中，引入 EMA 教师可以平滑目标，减少噪声干扰。
递归证据重放：提升LLM长上下文推理的免训练方法
🧭 长上下文推理 · 证据重放增强
University of Illinois Urbana-Champaign
通过递归选择与问题相关的上下文证据并重放，无需训练即提升LLM长上下文推理的证据利用率
📌 工作参考价值（4 点）
- 可将ReContext集成到现有LLM推理管线，用于处理长用户对话历史、多文档召回等场景，无需额外训练或外部存储。
- 在搜索推荐Agent中，当需要从大量上下文（如用户长期行为日志、多篇商品评论）抽取关键证据时，使用递归重放可显著提升LLM回答相关问题的准确性。
- 方法基于模型自身的注意力分数选择证据，可适配不同LLM架构，避免了硬截断上下文带来的信息丢失，适合在端侧或低资源推理中应用。
- 理论框架将上下文视为联想记忆存储体，对优化检索增强生成（RAG）系统的内部证据利用机制有启发，可指导设计更有效的上下文选择策略。
DRIFTLENS：测量个性化语言模型中记忆引发的推理漂移
🧭 LLM 个性化推理漂移测量与缓解
Amazon
提出无真值框架 DRIFTLENS，量化用户记忆注入对 LLM 推理路径的影响，并评估 GRPO/DPO 缓解策略
📌 工作参考价值（4 点）
- 在电商推荐 Agent 中，使用用户属性（如年龄、职业、偏好）生成推荐理由时，可借鉴 DRIFTLENS 将解释步骤映射到价值维度（如性价比、品牌、售后服务），量化有/无记忆时的推理路径差异，监控伴随个性化带来的推理扭曲，确保解释一致性。
- 对推荐式 LLM 做个性化微调（如 DPO/GRPO）时，可参考论文发现：降低漂移可能牺牲 helpfulness 等能力。需同时评估推荐准确性、用户满意度、解释合理性等多指标，避免单目标优化导致能力退化。
- 工程实现上，DRIFTLENS 的无真值设计（零样本分类 + 分布散度）可直接复用到推荐解释的自动化评估，无需人工标注，通过预定义价值类别快速构建推理漂移监控管线。
- 个性化记忆可能引入隐性偏见（如年龄导致保守/冒险推荐），可借此测量方法审计推荐系统全链条的公平性，作为个性化上线前的安全检查。
对抗文本噪声与冗余的熵感知密集视觉令牌剪枝
🧭 多模态模型视觉令牌剪枝
Shanghai Jiao Tong University
EADP 用熵过滤文本噪声并将令牌选择建模为带空间先验的次模最大化，在严格预算下保持细粒度视觉线索
📌 工作参考价值（3 点）
- 在多模态推荐场景（如商品图像+用户查询）中，可借鉴熵过滤来抑制查询文本中的噪声词，提升跨模态打分鲁棒性，避免关键图像块被错误丢弃。
- 采用次模最大化+空间先验替代 top-K 选取视觉令牌，能更全面地保留细粒度细节（如商品微小瑕疵、特定图案），适合高要求的商品理解任务。
- 方法无训练、即插即用，可直接集成到现有多模态 VLM 推理管线中，在延迟敏感场景（如实时搜索推荐）降低视觉上下文成本而不过度损失精度。
对齐即一切：面向任意模态到4D生成
🧭 多模态对齐 · 4D 生成
提出 Align4D 框架，通过对象距离对齐、运动-几何联合对齐与异步优化，实现任意模态到一致 4D 内容生成
📌 工作参考价值（4 点）
- 在电商动态商品展示生成中，可借鉴对象距离对齐思路，将输入视频/图像与 3D 模型对齐，生成多视角一致且动作连贯的商品 4D 短片，提升沉浸感。
- 运动-几何联合对齐方法可被用于个性化商品视频生成：用文本/图片指定外观，用现有视频驱动动作，同时约束几何一致性，避免变形失真。
- 异步优化技巧（解耦外观与运动训练）可迁移到生成式推荐中的动态素材生成，降低运动变形对几何结构的干扰，提高生成质量的稳定性。
- 整体框架展示了从稀疏多模态输入（文本、图像、视频、3D）合成动态内容的能力，可启发在广告创意生成中融合多源素材，自动生成统一风格的动态广告视频。
EvoPolicyGym：交互环境中自主策略进化的评估基准
🧭 自主策略进化评估
University of Science and Technology of China · The Chinese University of Hong Kong · University of Macau · Tsinghua University · Zhejiang University
提出自主策略进化评测框架，在固定交互预算下诊断Agent迭代改进策略的过程与机制
📌 工作参考价值（4 点）
- 策略迭代中的预算分配诊断可直接迁移到推荐策略线上实验，通过分析每次改进尝试的“编辑类型/反馈利用”诊断迭代效率，避免盲目重试。
- “反馈转化为参数调优”思路可应用于推荐模型在线学习：将用户反馈映射为模型参数（如Embedding、权重）的精细调整，而非重新训练全量参数。
- 环境紧凑但多样化的设计理念可借鉴到离线策略评估：为搜索/推荐Agent构建一组交互式沙盒环境，低成本验证策略改进能力。
- 轨迹级别诊断（trajectory diagnostics）可作为评估推荐系统Agent改进行为的分析工具，区分“偶然胜利”与“真实机制发现”，提升迭代方案的上线信心。