SQuAT：球面格型向量量化感知训练
🧭 LLM量化训练 · 球面格型VQ ★ 深度解读
University of Copenhagen · Qualcomm AI Research
提出分离STE的shape-gain向量量化训练，诱导球面优化，实现LLM低比特压缩SOTA
📌 工作参考价值（4 点）
- 在推荐/广告模型的 embedding 表或大权重矩阵压缩中，可借鉴 shape-gain 分解：将权重块拆为方向向量和标量增益，方向用球面码本量化，增益用少量比特（如 chi 分位标量量化），能在低比特下保留更多角度信息。
- 分离 STE 设计：在量化训练时对 shape 和 gain 分别使用 STE，而非对整个量化器用联合 STE，可诱导切空间更新，改善低比特收敛，该技巧可迁移至其他 VQ 或低秩训练场景。
- 若需对大规模模型做 VQ-QAT，采用分块分配、索引缓存、Triton 融合最近邻搜索，可将训练速度提升一个数量级（12.8×），适合电商场景下亿级参数的在线部署。
- E8S 球面码本支持分数比特率（如 1.75 bpw），有助于在存储与精度之间找到更细粒度的 Pareto 最优，对资源受限的端侧推荐模型尤其有用。
通过跨层潜向量量化实现逐层嵌入的极致压缩
🧭 LLM 嵌入压缩 · 向量量化
Mohamed bin Zayed University of Artificial Intelligence · Westlake University · Zhejiang University · University College London · Weizmann Institute of Science
提出 OPTIC，每 token 只存一个共享量化码，各层用仿射解码器还原层嵌入，实现约 100 倍 PLE 压缩并保留 97.8% 性能
📌 工作参考价值（4 点）
- 对超大 embedding 表（如 item/user ID embedding、多粒度语义 ID、序列模型 token embedding）做压缩时，可以借鉴「每 token/item 只存一个共享 code tuple + 各层/各任务用轻量仿射解码器」的结构，避免为每个层或每个上下文单独存储完整向量，显著降低参数量和存储成本。
- 压缩时不要只做向量重建，要直接拟合输出路径或下游任务损失。业务中可改为用蒸馏 loss 或 CTR/CVR 损失联合训练 codebook 和 decoder，比单纯最小化 embedding MSE 更能保留排序/推荐质量。
- 在生成式推荐或 LLM4Rec 场景，如果使用多层 Decoder 的 per-layer item/token embedding，OPTIC 的 shared token code 可等价为仅存一份 item 语义码，逐层 affine 解码出适合不同层表征需求的 embedding，适合推理端内存敏感的服务部署。
- 工程上可借鉴其 29.7% GPU 内存下降、几乎不增加延迟的结果：对 embedding 表做高倍压缩能直接释放显存，支撑更大 batch 或更长序列，但要避免 decode 过程引入高额计算，建议用简单仿射变换而不是复杂网络。
抖音 GEAR：生成式端到端广告检索框架
🧭 生成式推荐 · VQ/Semantic ID ★ 深度解读
ByteDance
GEAR 用正交基 BasisRQ 稳定码本更新，并用轻量重排头消解 item 碰撞，在抖音广告上线取得显著收益
📌 工作参考价值（4 点）
- BasisRQ 可迁移到动态分布下的生成式召回码本：用可学习正交基重参数化 codebook，训练时全局共享梯度、避免死码，推理时码本可预计算缓存、零额外延迟；若业务中生成式 item tokenizer 因流式数据分布漂移而码本利用率低，可替代 EMA 或冻结码本。
- prefix-aware 快速距离计算值得直接复用：在 RQ 每层按前序量化结果对 codebook 做逐元素 affine 变换，再通过代数重排把距离矩阵计算保持为 O(bNd)，避免 3D tensor 内存爆炸；适合电商/广告巨量 item 的 tokenization。
- 轻量生成式重排头可低成本解决 token 碰撞：复用 decoder autoregressive hidden states 生成用户向量，与 item tower embedding 做 dot product，只多一步 decoding + INT4 低精度打分；当 item token 序列碰撞严重时，不必依赖唯一 token 或缩小码本容量。
- 工程化训练与索引策略可借鉴：渐进 warm-up 先训两塔、再开 RQ、最后开生成与重排；生成损失按 secpm 重加权强化高价值样本；近线索引分钟级更新 item 序列与 embedding，CSR-like 目录 + per-sequence 截断保证候选多样性。
StableVQ：稳定向量量化 tokenizer 训练实践指南
🧭 VQ 视觉 tokenizer 训练稳定性
Huazhong University of Science and Technology · KlingAI Research · South China Normal University
针对共享投影码本 VQ 训练不稳定，提出 Dynamic STE、Region VQ Loss、Decoupled Schedule 三项无参改进，稳定提升码本利用率与重建质量
📌 工作参考价值（4 点）
- 若在生成式推荐中使用 VQ / Semantic ID 做物品量化，常遇到码本坍塌或利用率低：可借鉴 Region VQ Loss 的思路，让码本独立学习完整覆盖编码器输出分布，而非依赖编码器梯度抖动激活，提升 ID 多样性。
- Dynamic STE 修正了低码本利用率下直通估计器的梯度不稳定问题，适合推荐场景中离散 ID 生成（如 Gumbel-Softmax 或 ST-Gumbel）的梯度回传，避免因初期码本利用率低导致训练崩溃。
- 多模块联合训练（如编码器-解码器 + 码本、生成器 + 判别器）常因收敛速度不匹配而不稳定：Decoupled Schedule 将不同模块使用独立学习率调度，可直接迁移到多任务推荐模型或 Agent 策略与价值网络的联合训练。
- 整体无额外可学习参数、轻量易插入，适合在现有推荐召回或特征量化模块上低成本验证。
RSLM：面向近似最近邻搜索的训练自由向量量化
🧭 向量检索 · ANN索引量化 ★ 深度解读
Google Zurich · Technical University of Munich · University of Copenhagen · Google San Jose
训练自由的分块旋转量化方案，在1-4bit/维下保持召回，降低ANN索引内存与带宽
📌 工作参考价值（4 点）
- 在 IVF/树型索引的 rescoring 阶段，用训练自由旋转量化（尤其相对残差量化）替代 trained PQ/SQ，可省去离线 k-means 训练，快速接入新 embedding 版本或新业务数据集；4-bit RelApproxGlobal 在多个数据集达到 100% recall@20@30，2-bit 达 99%+ recall@20@40，适合 RAG/推荐候选召回的大候选池。
- 采用 block-wise FWHT（块大小 128）实现 O(D) 旋转复杂度，避免 dense rotation O(D^2) 和全局 FWHT 的维度 pad 问题；在非标准维度如 2049 时，编码吞吐比 TurboQuant 快约 36 倍（128k vs 3.5k items/s），适合线上实时 query 预计算。
- 显式校正最终重建向量的 L2 norm（而非只校正残差）对 MIPS 排名很重要，能替代 ScaNN anisotropic loss 的调参；实现时用 2 字节自定义浮点 UE7M9 存 scale，Rslm4Lite 把 scale 隐写到前 16 维的最高 bit，实现零额外元数据，内存对齐更优，吞吐显著提升。
- 在低 bit 场景（1-2 bit）Rslm_Global 超过 Faiss PQ 和 ScaNN AVQ，说明固定 codebook + 旋转 + 全局 norm 校正是一个可复用的低带宽候选评分方案；但注意低维数据增加 scale 存储占比（如 glove 100d 1-bit 增加 15%），更适合高维 embedding。
无需固定截断深度的精确自适应混合检索
🧭 自适应混合检索 · 精确Top-K无截断
Southwest Jiaotong University
提出可按需继续的精确稠密-稀疏融合方法，保证完全列表Top-K一致且避免固定截断，平均加速23-30倍
📌 工作参考价值（4 点）
- 多路召回免截断融合：电商/推荐场景中，embedding 召回与倒排召回融合时，可借鉴 EAHR 的按需增量获取机制，不再硬性固定每条通道的截断数，避免截断过小丢失关键文档或过大引入冗余计算。
- 可恢复的精确排序：使用 PVS 量化向量索引 + PBM 块最大索引，支持随时恢复并继续拉取下一个未读高分项，工程上可设计成流式/游标式接口，方便在多路融合中按需拉取。
- 边界裁剪节省算力：计算未读候选的融合分数上界，仅当上界可能挤入当前 Top-K 时才继续请求，多数 easy query 可提前终止，大幅降低平均延迟（实测加速 23-30 倍），同时保证融合结果与完整列表完全一致。
- 无需依赖历史查询调参：实验证明固定深度无法从历史查询可靠迁移，EAHR 的自适应策略省去了繁重的离线参数调优，更适合动态语料与长尾查询。
HERMES：面向预训练数据混合的多粒度分层标注基板
🧭 预训练数据混合 · 多粒度标签
Wizard Quant · Peking University · University of Science and Technology of China
提出一种基于残差矢量量化的多粒度数据标注框架，使预训练数据混合从固定标签转变为可重用粒度层次导航。
📌 工作参考价值（4 点）
- 在电商推荐模型训练中，可借鉴 HERMES 的语义嵌入 + 残差矢量量化构建商品或用户行为的多粒度类别体系，替代固定的 taxonomy，实现 training data mixture 的动态粒度调节。
- 实验中发现的“粗粒度下等比例覆盖 + 质量前 30% 混合规则有效，细粒度下因候选池收缩而失效”现象，提示在推荐数据采样时需根据当前粒度调整采样策略，避免直接在极细粒度下套用同一种比例规则。
- 该层次标签基板可复用于推荐模型的预训练、微调或持续训练阶段，作为 data loader 的输入，按不同前缀长度控制样本分布，探索多任务能力 Lift。
- 工程实现上，3 阶段 RVQ 编码开销可控，可离线一次性为全量数据集标注，后续只需通过前缀截断切换粒度，适合工业级海量数据场景。
GEAR：端到端引导式自回归图像生成
🧭 端到端联合训练与表示对齐
北京大学 · 腾讯混元
通过双路读出实现 VQ tokenizer 与 AR 生成器端到端联合训练，加速收敛并提升表示对齐
📌 工作参考价值（4 点）
- 生成式推荐的 tokenizer 与生成器联合优化：若用 VQ 将物品 ID 映射为离散 token 再自回归生成推荐列表，可借鉴双路读出（硬分支训生成器、软分支用表示对齐损失更新 tokenizer），解决离散索引不可导问题，使 tokenizer 主动适配生成器。
- 表示对齐损失的设计：将 DINOv2 等预训练特征作为对齐目标，只用于 tokenizer 的软分支梯度回传，生成器本身并不直接接收对齐损失，这种非对称设计可迁移到推荐场景中，让物品 tokenizer 学到更易被生成器预测的分布。
- 收敛加速：该方法在 ImageNet 上将 gFID 收敛速度提升最高 10 倍，对于推荐模型同样追求快速迭代，联合训练可能显著减少达到目标性能所需的训练步数，尤其适合需要频繁更新的工业级推荐系统。
- 灵活适配不同量化器：方法兼容 VQVAE、LFQ、IBQ 等多种量化方式，推荐系统中物品 ID 的离散化策略多样，此技术可降低替换量化模块的适配成本。
ViQ：任意分辨率下文本对齐的视觉量化表示
🧭 多模态离散表示与高效训练
Tencent HY Vision Team · Tsinghua University · Nanyang Technological University · Chinese Academy of Sciences
通过文本对齐预训练与头量化，将图像编码为保留细节和语义的离散 token，多模态训练加速 20-70%
📌 工作参考价值（4 点）
- 商品图像通过 ViQ 量化为离散 token，可与文本 token 统一送入 LLM，实现多模态生成式推荐，大幅降低计算和存储开销。
- 两阶段训练策略（先 CLIP 式文本对齐，再近端离散化）保证语义和细节，适合电商场景中既需属性识别又需图像质量的需求。
- 原生分辨率处理能力，可直接输入各种尺寸的商品图，避免统一 resize 造成的细节丢失或变形。
- 量化特征在 LLM 微调时训练加速 20-70%，可将该方案用于大规模多模态推荐模型的训练与推理加速。
非对称生成式推荐：多专家投影与多面层次量化
🧭 RecSys ★ 深度解读
Tsinghua University · Tencent
提出AsymRec框架，解耦输入输出表示，用连续专家投影缓解输入端信息瓶颈，用多面子空间残差量化防止输出端维度坍塌，平均NDCG@10提升15.8%