KUAISHOU Explorer LLM-Rec Challenge 2026: Reasoning Generative Recommendation
快手 Explorer LLM-Rec 挑战赛 2026：推理式生成推荐
🧭 生成式推荐 · Semantic ID + LLM 推理
Kuaishou
系统总结多任务推理生成推荐挑战赛，开源 OneReason 数据与评测，提炼推理监督、RL 与偏好优化的关键经验
📌 工作参考价值
- 在生成式推荐中加入思考链（CoT）不一定提升效果，关键是控制推理轨迹质量。冠军方案发现，把命中目标 SID 的采样轨迹加入训练但 mask 掉答案 loss，只优化 reasoning 部分，可以降低 think 与 nothink 候选重叠，提升两者互补性；直接全量监督会伤害候选多样性。迁移到业务：做 reasoning 数据增强时，对 target 重复的轨迹要限制数量并控制答案监督强度。
- 不同域的推理收益不同，亚军方案采用混合格式：电商用 think，短视频/广告/直播用 nothink，效果优于全 think 或全 nothink。业务上多场景生成式推荐不必强求统一 SFT 格式，可按域验证推理格式的实际增益。
- 处理多任务 SFT 长度差异时，pack-level cross-entropy 有效：先在 pack 内按 token 平均，再跨 pack 等权平均，防止长 response 驱动训练。这对同时训练 item 理解、用户理解、推荐等任务尤其有参考价值。
- 层级 SID 的 RL 奖励稀疏问题可通过 prefix guidance + hierarchical credit assignment 缓解：仅在无正确前缀时补充前缀引导，advantages 计算只比较同一父前缀下的候选，mask 掉给定前缀的梯度，避免只学会浅层一级码，提升全 SID 命中率。
动机 生成式推荐把下一项预测建模为序列生成任务，OneRec 等基于 Semantic ID 的模型已工业落地。引入 LLM 推理（CoT）被认为是下一阶段方向，但初步工作发现推理并不总带来推荐收益。挑战赛旨在连接 LLM 与推荐系统，统一建模物品理解、用户理解、推荐和世界知识，推动 recommendation foundation model。
方法关键点
- 基础模型 OneReason-0.8B/8B-pretrain 从 Qwen-3 扩展，加入多粒度 Semantic ID 语义对齐预训练：token / item / relation / user 四级，连接物品 SID 与自然语言。
- 数据：944,802 条 SFT 种子（think/nothink 两种 response 格式）、50 万匿名用户跨短视频/电商/广告/直播四域交互序列、35,914,095 个 item 的 SID-caption 对齐。
- 任务：物品理解（SID↔caption）、用户理解（相关行为选择 + 兴趣演化链生成）、跨域推荐（think + nothink 各 Pass@32 合并）、世界知识选择题。
- 评测：物品描述用双加权 F1；用户相关行为选择用 F1；兴趣链用 Action-Logic score；推荐用 PIDPass；知识用 accuracy。测试共 18,842 例。
关键结果 冠军方案：模型自采样推理轨迹 + Target-SID-Masked RFT，mask 答案 loss 提升 think/nothink 互补性。亚军：约束改写 item description + 按域混合 think/nothink 格式。季军：staged post-training，pack-level cross-entropy + DPO 偏好优化。第四名：prefix guidance + hierarchical credit assignment 解决多级 SID 奖励稀疏。Top5 总分在 1.40–1.44，其中推荐相关任务占主要权重。
最值得记住的一句话 推荐场景下 CoT 不是越多越好，只有为推荐目标专门设计推理监督并控制答案损失，推理才真正提升生成式推荐效果。