词汇参考系：以原生语义解读LM残差流
🧭 LLM可解释性 · 残差流原生语义
Monash University · Chongqing University · Technical University of Munich
利用模型自身剩余层读取隐藏状态，构建词汇参考系，使残差流可读、可归因、可操控，早期退出可跳过近半层
📌 工作参考价值（4 点）
- 线上LLM推荐/搜索生成可集成LexFrame[1]做early exit或self-speculative decoding：在中间层检测confident readings，跳过约45%层，延迟降低且输出差异仅0.16 nats。
- 归因分析替代attribution patching：lexical frame的系数更忠实反映预测来源，用于电商推荐/搜索模型审计，定位影响query或item生成的关键token段。
- 用lexical basis做受控steering：在不影响其他token前提下引导预测，可应用于电商文案/搜索词生成，如注入品牌词、规避敏感词、约束推荐理由风格。
- 该方法不依赖对模型输出的拟合，直接复用前向过程，工程实现轻量，适合嵌入现有LLM推理框架作为内省工具。
Harness-Delta 归因：拆解 Agent Harness 进化的性能增益来源
🧭 Agent 评测与进化增益归因
Amazon · New York University
提出 HDA 协议，将 harness 进化增益归因为 overfitting、test-time scaling 与 residual 三类
📌 工作参考价值（4 点）
- 在做 Agent 搜索结果页策略、推荐链路 prompt/tool 搜索时，引入 HDA 式分解：对 search set 的 lift 拆成 artifact overfitting、inference compute scaling 与 residual；只报验证集不够。
- 必须设置 held-out tasks/跨类目流量做泛化验证；电商 query 推荐、广告文案生成等场景，benchmark 相似 query 的增益常不迁移到真实分布。
- 对加入多采样、投票、更多推理步数的方案，单独量化 test-time scaling 贡献，避免把“多算力带来的提升”误判为 harness 设计有效。
- 用 artifact-driven probes（如检测规则式捷径、重复输出短路）暴露过拟合；可在推荐 Agent 中设计反事实或干扰样例来检查泛化。
组件感知反馈驱动的自进化程序
🧭 LLM 程序进化 · 组件级归因反馈 ★ 深度解读
Santa Clara University
对进化搜索中的每次代码变更做组件级归因并写入记忆，让 LLM mutator 在重排任务上收敛更快、效果更好
📌 工作参考价值（4 点）
- 在 LLM-guided evolutionary search 或自动优化 pipeline 中，不要只给 mutator 看完整代码和总分；把每次 mutation 的组件 diff（新增/删除/修改的函数、常量）与 evaluator 返回的 metric 变化组成 (component_set, delta_metrics) 记录，显式注入 prompt，能显著减少 LLM 从长上下文推断编辑效果的负担。
- 双参考帧设计值得复用：local frame（child vs parent）回答“上一步有没有用”，global frame（child vs seed）回答“整条 lineage 是否值得继续”。在搜索停滞时调用 global frame，可帮助 mutator 换策略而不是在局部瞎试。
- 多目标优化目标函数可借鉴：将质量项和成本项分别对 seed 归一化，加一个小的 λ 项和 min(a,b) 项，既能同时优化质量和 token 成本，又避免搜索只玩一个维度。电商重排/广告出价等成本敏感场景可以直接套用。
- 本地可服务模型（如 Qwen3.6-35B-A3B）就够用，不依赖 frontier LLM；组件级归因反馈提高了样本效率和跨域泛化，对线上持续自动调参/调 pipeline 有直接工程价值。
DocAttriBench：文档视觉问答的答案证据定位基准
🧭 多模态文档VQA评估基准
University of Modena and Reggio Emilia · University of Pisa
提出 DocAttriBench 基准与 MAPPET 自动归因方法，评估多模态 LLM 在文档 VQA 中的答案证据定位能力
📌 工作参考价值（4 点）
- MAPPET 的 mask-perplexity 归因可迁移到电商商品详情页/广告素材问答：通过对输入区域做掩码扰动，用 perplexity 上升幅度自动定位支撑答案的关键元素，低成本生产“答案-证据”对齐数据，减少人工框选成本。
- 在客服问答、商品资质审核、广告文案合规等场景，不要只评测答案正确率：要求 MLLM 返回 supporting element 并计算 attribution accuracy，可暴露“答对但证据定位错”的可信度问题，适合作为 RLHF/DPO 奖励项或上线前评测门禁。
- 若要生成推荐理由、商品卖点或搜索摘要，建议显式加入布局感知与证据约束，因为该基准显示大模型答案准确率高但 grounding 差；后处理可校验归因区域与生成内容一致，提升可解释性。
- 可利用 DAB 开源的自动标注流程，对业务中已有文档 VQA 数据快速扩展 grounding 标签，支撑可验证推荐/问答模型的训练与回归测试。
基于注意力头的训练无关多模态文档问答归因方法
🧭 多模态归因 · 注意力头定位
University of Massachusetts, Amherst · Adobe Research, San Jose
利用预填充注意力头与校准阈值实现训练无关的多模态问答证据定位，速度提至七分之一。
📌 工作参考价值（4 点）
- 在推荐系统、对话 Agent 生成解释时，可借助注意力头快速定位关键证据（如用户历史行为、物品描述片段），无需额外训练，降低工程复杂度。
- 利用特定层的注意力头选择与校准阈值，可做实时归因，适合高延迟敏感的电商推荐解释场景。
- 思路可迁移至多模态商品问答：结合商品图片和描述，用类似方法自动高亮答案对应的图片区域或文本 span，提升购物体验。
- 训练无关的特性适合冷启动或频繁变更的情景，避免为归因重新训练模型，降低迭代成本。
归因但不增量：大规模广告的蚕食修正归因框架
🧭 广告归因 · 增量实验校准 · 层级分配 ★ 深度解读
TikTok
以增量实验为因果锚点，将稀疏实验信号转化为每日归因修正，大幅消除付费广告归因中的蚕食偏差
📌 工作参考价值（4 点）
- 实验校准归因信号：部署轻量级修正层，将已有的增量实验作为校准锚点，每天修正渠道级归因量，无需替换现有归因管道，直接产出更接近真实增量的 DNU，用于 nROI 计算与预算决策。
- 代理变量建模泛化实验 Lift：利用有机基线代理特征、节假日/季节性、渠道投放强度等持续可得的特征，将稀疏实验 Lift 泛化到全量渠道×日粒度，工程实现简单（广义线性模型+Huber 损失），抗噪声且可解释。
- 层级约束分配保证操作性：在渠道日总量校准后，通过归一化倾向得分将修正量分配到广告计划、版位、设备等细粒度业务单元，并强制父子聚合一致性与可行性边界，避免修正信号泄漏到无关分支，使预算调整更精准。
- 滚动评估与自动重校准：采用前向滚动实验设计，新完成实验只用于评估后续周期，避免数据泄露，并可周期性重训模型以适应市场变化，适合持续运行的广告系统。
通过特征诱导信息流解释时序图神经网络
🧭 图神经网络解释 · 时序事件图
Berlin Institute for the Foundations of Learning and Data · Technical University of Berlin · RIKEN AIP · Korea University · Max Planck Institute for Informatics
基于归一化相关性度量（NRM）的模块化分解方法，捕获事件驱动变量的全信息流以解释时序图神经网络
📌 工作参考价值（4 点）
- 在电商行为序列建模中，若采用事件驱动图神经网络（如用户点击、购买事件），可借鉴 NRM 框架量化每个历史事件对当前推荐结果的贡献，生成可解释的归因报告。
- 模块化分解方法使复杂图神经网络的解释可系统构建，适用于多组件协同的推荐模型（如多兴趣提取模块叠加图卷积），可降低工程实现复杂度。
- 高阶交互分析能力能揭示多个事件（例如浏览、加购、收藏）的联动影响，帮助运营理解用户决策链条，优化推荐策略。
- 方法强调的归一化机制保证了跨层比较的公平性，可迁移到需要对比不同特征重要度的其他深度学习模型中。
ProvenAI：生成答案中证据的来源原生追踪
🧭 RAG归因 · 多跳问答透明度
University of Arizona
提出三层透明度框架，独立测量答案正确性、引用忠实度与文档影响力，揭示引用-影响差距
📌 工作参考价值（4 点）
- 推荐解释的可信度评估：借鉴 leave-one-resource-out 消融方法，量化推荐理由（如商品评论、属性）对最终推荐的实际影响，避免“引用了但没起作用”的虚假解释。
- Agent 多步推理审计：在多步搜索或决策 Agent 中，对每步检索结果进行消融，度量每条知识对最终动作的因果贡献，构建真正可追溯的决策链。
- 引用忠实度作为线上指标：设计答案与引用内容的一致性得分，作为 RAG 系统生成质量的持续监控指标，及时捕捉生成幻觉或引用虚标。
- 多层透明度框架迁移：将透明度拆分为结果质量、解释正确性和信息实际影响力三个独立维度，分别测量，可用于电商搜索排序的解释面板或 Agent 调试工具。
SkillsVote：Agent 技能生命周期治理框架
🧭 Agent 技能生命周期管理与受控进化 ★ 深度解读
MemTensor (Shanghai) Technology
将 Agent 技能视为生命周期制品，通过归因控制实现从采集、推荐到进化的闭环，提升长期任务表现。
📌 工作参考价值（4 点）
- 技能库的质量治理：对技能进行环境需求、质量、可验证性 profiling，只允许通过验证的技能进入推荐池，避免低质量技能污染上下文。电商知识库或工具库可借鉴相似准入设计。
- 任务前技能精炼：不将全量技能直接暴露给 agent，而是通过一次 agentic search 生成精简的技能集与使用指南，降低无关上下文的干扰。类似在 RAG 中，用轻量 agent 先检索、再压缩后再送入主模型。
- 执行后归因与证据门控：将长轨迹按子任务切分，区分结果是由技能引导、自主探索还是环境因素导致，仅将可复用的成功探索用于技能库更新。对于电商多步 Agent 的对话/操作日志，可借此提取高置信度经验并避免误更新。
- 离线 + 在线进化组合：先用历史任务构建冷启动技能库，再在新任务流中在线增量进化。生成式推荐系统中，可先用离线数据训练初始知识库（如促销规则），再通过线上反馈受控扩展。
从场景到元素：面向可验证多模态 RAG 的多粒度证据检索
🧭 Multimodal ★ 深度解读
University of Macau
提出元素级多模态 RAG 框架 GranuRAG 与基准 GranuVistaVQA，通过检测-匹配-生成实现透明归因与大幅性能提升