Overview and Analysis of the RecSys Challenge 2026: Conversational Music Recommendation
RecSys 2026 挑战赛：对话式音乐推荐系统设计与分析
Sony Group Corporation · SiriusXM · Deezer Research · Amazon · Politecnico di Bari
系统分析16套检索-重排-生成方案，总结多源召回、意图检测与多轮上下文建模等可复用设计原则
📌 工作参考价值
- 多源召回 + 保留 per-source rank/score/presence 给 LightGBM/XGBoost 做 reranker，比过早融合 union 或只用 RRF 更有效；没有训练预算时 weighted RRF 仍是强候选池构造器。
- 冷启动：默认用对话与 item 信号（当前消息、已观察 track、artist/album 扩展、co-occurrence/transition），把 user profile/CF 当作可选分支；上线缺失画像时先 mask profile 验证性能。
- 意图检测：不要恢复完整 hidden goal taxonomy，只做高精度、可 abstain 的窄意图检测器（如 exact request、continuation vs discovery），用它 gate 特定排序动作；少量规则+正则即可。
- 多轮上下文：不要只对当前 query 检索，构建 literal view + full-dialogue view，保留历史 track/item 作为 evidence；响应生成拆开 ranking 和 prose，先定 top-k 再用可验证 metadata 写回复，防止模型改排序。
动机：对话式音乐推荐需要同时完成大目录精确检索、多轮意图更新和可解释生成，传统静态列表无法表达模糊/细化需求；挑战赛提供 synthetic dataset TalkPlayData-Challenge，包含 15,199 train / 1,000 dev / 160 blind（80+80）对话，每条 turn 有单个 hidden target track，任务是每 turn 输出 top-20 tracks 和 natural language response。官方评分 = 0.50 nDCG@20 + 0.10 Catalog Diversity + 0.10 Lexical Diversity + 0.30 LLM judge。
方法关键点：多数系统采用 retrieve–rerank–generate 模块化 cascade。候选生成常用 BM25、dense retrieval、entity/artist/album expansion、item/session co-occurrence、CF 等 8-14 个异构源；rerank 多为 LightGBM/XGBoost 学习排序，保留 per-source rank/score/presence/agreement 特征；响应生成与排名解耦，用 LLM 基于已验证 metadata 和 top-k 生成，并用 critic 或 deterministic claim validation 防止幻觉。四条可复用原则：多源召回+学习信任来源；冷启动默认对话和 item 信号；用高精度意图检测器触发特定排序动作；建模完整多轮上下文而非只看当前 query。
关键实验：官方 Blind-B 第一名 hallucinated nDCG@20 0.618，但其论文披露用 Blind-B 对话 turn 调 fusion/训练 reranker，属于 evaluation-data exposure；非暴露系统最佳 niwatori 0.493 / volart 0.397。中位 nDCG 在 turn 1 为 0.10，turn 3 升至 0.57，turn 8 回落至 0.26；specificity 上 HH 0.474 最容易，LH 0.267 最难；goal topic 上 artist/era 最难，visual/metadata 较易。baseline BM25+Llama-1B 仅 0.134 nDCG / 1.35 judge。
最值得记住的一句话：可迁移的工程结论是——用互补候选源做高召回池，保留来源级证据做 learning-to-rank，冷启动默认用对话与 item 信号，意图检测做窄而准的触发器。