OxygenREC-v2: Internalizing Discrimination into Generative Recommendation
OxygenREC-v2：将判别信号内部化到生成式推荐
🧭 生成式推荐 · 行为内部化 ★ 深度解读
JD.COM, Beijing, China
通过行为指令条件生成与熵感知特权自蒸馏，将点击/加购/下单信号直接注入生成式推荐，无需外部奖励模型
📌 工作参考价值（4 点）
- 行为感知生成可直接复用：在解码器前缀插入行为指令（如“点击”、“加购”、“下单”），让模型在生成 SEMANTIC ID 时根据业务目标切换候选分布，无需为不同场景维护多个模型。
- 用可验证奖励替代人工奖励模型：以生成结果与真实交互 SID 的 token 级匹配率（几何加权）作为 RL 奖励，避免训练独立排序模型带来的分布外打分和奖励 hack 问题，大幅降低离线评估与维护成本。
- 特权未来蒸馏可融入训练流程：在训练时利用用户未来行为（点击及以上）作为教师前缀，提供更密集的偏好信号；通过熵门控只对低熵位置进行蒸馏，避免全位置蒸馏引入噪声，超参（蒸馏覆盖率 20%）可直接借鉴。
- 行为加权预训练即可带来明显提升：即使不使用后训练，在预训练时丢弃仅曝光样本，按行为价值加权损失，已能将 HR@512 提升 0.58pp，可作为轻量级基线。