AI Papers Daily

#Online A-B Test

4 篇

Sona Technical Report

SONA：Yandex Music的单一生成式推荐模型

🧭 生成式推荐 · Semantic ID · 单模型统一排序 ★ 深度解读

Yandex

用一个生成式模型统一召回与排序，通过教师蒸馏和Semantic ID在音乐推荐中实现显著在线收益。

📌 工作参考价值（4 点）

• 单模型统一生成与排序：借鉴共享编码器 + 自回归解码 + 交叉注意力打分模块的架构，可简化电商/广告的多阶段级联系统，减少维护成本。
• Semantic ID 与 trie 约束 beam search：用多模态 LLM + 协同信息精炼 + 残差量化的方式构建物品语义码，适应大动态物品库，适合迁移到有内容特征的商品推荐。
• 无手工特征排序教师蒸馏：Teacher Ranker 仅用日志事件预训练（NIP）+ 多目标微调，可替代依赖大量特征的排序模型；通过稠密蒸馏将长期历史知识注入轻量学生，对特征工程受限的场景有参考价值。
• 低延迟在线训练循环：会话聚合、推断日志对齐、10分钟级模型推送，实现从事件到模型更新的 45 分钟中位延迟，可作为实时推荐系统在线学习的工程范本。

GenRec | 2026-08-11 | cs.IR | score 10/10

Generative RecommendationSemantic IDTeacher DistillationUnified RankingMusic RecommendationOnline A-B Test

Progressive Alignment of Recommender Foundation Model through Multi-Phase Post-Training

推荐基础模型的渐进式多阶段后训练与业务对齐

🧭 推荐基础模型的渐进后训练与奖励对齐 ★ 深度解读

NAVER WEBTOON

通过三阶段渐进后训练（LP→FFT→RFT）分离适配与对齐，用奖励模型引导策略优化，显著提升深度业务指标

📌 工作参考价值（4 点）

• 当基础模型适配下游任务时，先做线性探测（LP）冻结骨干训练 Task Head，再做全参数微调（FFT），并使用差异化学习率（骨干学习率 1/10），可有效缓解灾难性遗忘，稳定适配过程。
• 不要直接将面向业务指标的奖励模型作为排序策略部署；将其作为 RFT 的对齐信号，对基于密集隐式反馈（如点击）训练的排序策略进行 fine-tune，既能提升深层业务指标，又保持强排序能力。
• 奖励模型训练时，利用倾向得分（IPS）加权矫正曝光偏差，并用序数回归（Ordinal Regression）将多级漏斗转化为连续奖励分数，可作为电商推荐中多阶段转化（浏览→加购→下单→支付）等长周期目标的通用建模方式。
• 在线上系统上线新模型时，可采用 GRPO 做奖励对齐，其在深度参与指标上优于 DPO；若偏好信号密集且可靠（如基于实际漏斗阶段），DPO 也可作为轻量替代，尤其适合提升即时点击行为。

RecSys | 2026-08-07 | cs.IR | score 9/10

Foundation ModelProgressive Fine-TuningReinforcement Fine-TuningReward ModelingGRPOOnline A-B Test

Personalizing Incremental Video Search with Hybrid Text and ID Embeddings

个性化增量视频搜索：融合文本与ID嵌入

🧭 搜索排序 · 个性化 · 混合嵌入

Apple

通过混合语义和协同嵌入为增量搜索提供个性化排序，在意图模糊时收益最大

📌 工作参考价值（4 点）

• 在电商、App搜索等增量搜索场景，可将物品的文本语义嵌入和协同过滤ID嵌入拼接成特征，注入排序模型（如XGBoost或双塔）。文本嵌入可用多语言模型在协同观看/购买三元组上对比学习微调，缓解曝光偏差。
• 对于意图尚未明确的前缀查询（1-3字符），个性化特征带来的增益远高于完整查询，因此可在前端增加实时用户意图不确定性估计，动态加大个性化权重。
• 工业场景常面临长尾用户冷启动问题，论文发现长历史用户从个性化中受益更大，但基线指标更低，说明个性化可弥补默认排序不足。可以针对不同活跃度用户设计分级策略。
• 采用LLM评判物品相似度来评估嵌入质量的方法，可迁移到推荐、搜索中的相关性标注，作为人工标注的补充，降低点击/曝光偏差。

RecSys | 2026-07-15 | cs.IR | score 6/10

PersonalizationIncremental SearchHybrid EmbeddingsContrastive LearningXGBoostOnline A-B Test

Uniboost: Global Coordination with Value Alignment for Fair and Efficient Traffic Allocation

Uniboost：基于价值对齐的全局协调实现公平高效流量分配

🧭 流量分配 · 价值对齐 · 混排优化 ★ 深度解读

Taobao & Tmall Group of Alibaba

提出统一框架 Uniboost，通过后验价值对齐和独立线性提升，解决混排分数膨胀和不可解释问题，提升推荐效率。

📌 工作参考价值（4 点）

• 后验价值对齐：选择一个稳定且与业务一致的后验指标（如有效完成率）作为锚点，对原始分进行均值缩放，让分数具备物理意义，便于加权干预和可解释性。
• 独立线性提升：将广告保量、冷启探索等目标解耦为独立线性项直接相加，保证可加性和归因性，可计算每个策略的精确成本和 ROI。
• 统一加权范式：用线性加权+偏置统一 PID 控制、boost 等不同机制，实现简单，易于在线部署和离线分析。
• 归因驱动宏观优化：通过离线统计各计划的流量消耗和业务提升，识别低效策略并移除，实现数据‑驱动迭代。

RecSys | 2026-05-26 | cs.IR | score 8/10

Traffic AllocationBlendingValue AlignmentLinear BoostingRecommendation SystemOnline A-B Test