#Session-aware - AI Papers Daily

RouteRec: Behavior-Guided Sparse Routing for Sequential Recommendation

行为引导稀疏路由的序列推荐

🧭 行为引导的MoE序列推荐 ★ 深度解读

Korea Advanced Institute of Science and Technology · Seoul National University

用会话行为线索（节奏/主题/记忆/流行度）引导MoE稀疏路由，让不同行为模式的会话走不同计算路径

📌 工作参考价值（4 点）

电商/广告序列推荐中，可以用日志侧特征构造行为线索作为MoE路由信号：从timestamp算interaction tempo，从类目标签算focus/switch rate，从item id算repeat/carryover，从训练集频次算popularity tendency；这些信号在预测前可算，且比纯hidden state更能反映会话行为差异。
分层稀疏路由值得借鉴：先由行为线索选 top-k 专家组（如tempo/focus/memory/popularity各组），再在组内结合当前hidden state选专家；组选择保持行为语义，组内选择保留位置级适应。
训练时不要用load balancing，改用route consistency + z-loss：前者让相似行为session的路由分布接近，后者压制路由logit过大；论文显示load balancing会伤害行为依赖分配。
多尺度路由（macro/mid/micro）对电商session有效：跨历史、当前会话、最近局部窗口分别聚合线索，macro/mid共享、micro随位置重算；若缺少类目或时间特征，可退化为sequence-only线索，仍能保持竞争力。

RecSys | 2026-09-30 | cs.IR | score 8/10

SWIM：生成式重排中会话监督列表评估的逐步积分测度

🧭 生成式重排评估 · session 级生存建模 ★ 深度解读

University of Science and Technology of China · Kuaishou Technology

将重排 list 评估建模为有限时域生存过程，用因果 Transformer 并行估计 continuation 与 reward

📌 工作参考价值（4 点）

用 survival 加权替代 pointwise 加和：短视/短视频 feed 的 list 价值不应是 item reward 直接相加。可以把当前 list 贡献写成 Σ(Π q_t) r_t，其中 q_t 是位置 t 的继续概率，r_t 是到达位置后的条件收益。这套公式能直接迁移到重排 evaluator，尤其适合 session 连续消费场景。
用 causal-masked Transformer 并行估计 q_t 与 r_t：在 [prefix token, item_1..item_T] 上做因果注意力，每个位置输出 continuation probability 和 reward heads，一次 forward 得到整条 list 评估。这样避免自回归 rollout，满足工业延迟约束；prefix token 编码 session prefix，可同时估计跨 request 的进入概率 q_0。
连续目标做离散 bucket 分类：play time 等长尾连续反馈不要直接回归，而是离散为有序 bucket 预测 categorical distribution，再取 bucket 代表值恢复期望；训练更稳定，适合多目标 reward 融合。
训练时只在 reached positions 计算 survival/reward loss：reward 是到达位置后的条件收益，未到达位置不应参与 reward 监督；survival BCE 也只在已到达位置有效。这个 masked loss 设计能避免 selection bias，工业日志可直接复用。

RecSys | 2026-08-25 | cs.IR | score 8/10