推荐算法日报 - 2025-12-17

type

status

date

slug

summary

Section 1: 📊 Trend Analysis

🔥 推荐系统进入“推理增强”时代：今日多篇论文聚焦于将大语言模型（LLM）的推理能力引入推荐系统，以超越传统的模式匹配。核心方向包括：通过多智能体协作（RecGPT-V2）或动态推理轨迹（DTRec）提升意图理解的深度与效率；利用显式意图引导（IGR-SR）或自适应数据增强（AsarRec）来增强模型对噪声行为的鲁棒性。这表明工业界和学术界正致力于构建更智能、可解释且高效的下一代推荐系统。

💡 效率与效果并重的工程化探索：在追求性能提升的同时，降低LLM推理的算力成本成为关键课题。RecGPT-V2通过混合表征推理和工程优化将GPU消耗降低60%；DTRec通过自适应推理停止机制减少高达41.6%的计算成本。这反映了大规模落地中，对模型架构进行“瘦身”和动态资源分配的重要性。

Section 2: 📰 Daily Digest

1. RecGPT-V2 Technical Report

🔗 原文： http://arxiv.org/abs/2512.14503v1

评分： ⭐⭐⭐⭐⭐ (5/5)

推荐理由： 工业界LLM推荐系统，多智能体架构，线上AB测试显著提升，强烈推荐。

摘要： 该技术报告介绍了阿里巴巴的RecGPT-V2，一个用于大规模推荐系统的LLM多智能体推理框架。它通过分层多智能体系统消除认知冗余，结合混合表征推理降低60% GPU消耗。此外，采用元提示生成、约束强化学习和智能体即法官框架，分别提升解释多样性、多目标生成质量和评估对齐度。在淘宝的线上A/B测试中，取得了CTR +2.98%、IPV +3.71%等显著业务收益。

2. AsarRec: Adaptive Sequential Augmentation for Robust Self-supervised Sequential Recommendation

🔗 原文： http://arxiv.org/abs/2512.14047v1

评分： ⭐⭐⭐⭐ (4/5)

推荐理由： 序列推荐自监督学习，自适应数据增强，方法清晰有落地价值。

摘要： 针对序列推荐中用户行为噪声问题，本文提出AsarRec框架。它将传统静态数据增强操作统一为结构化变换矩阵，并通过可微分的Semi-Sinkhorn算法，学习生成自适应的变换矩阵来构建增强视图。该框架联合优化多样性、语义不变性和信息性三个目标，确保增强对下游任务有益。在多个基准数据集上的实验表明，AsarRec在不同噪声水平下均表现出优异的鲁棒性。

3. DTRec: Learning Dynamic Reasoning Trajectories for Sequential Recommendation

🔗 原文： http://arxiv.org/abs/2512.14036v1

评分： ⭐⭐⭐⭐ (4/5)

推荐理由： 序列推荐动态推理，提升性能并降低计算成本，方法有借鉴意义。

摘要： 本文提出DTRec，一个为序列推荐设计动态推理轨迹的框架。针对现有方法推理方向和深度固定的问题，DTRec引入分层过程监督来模拟人类从粗到细的推理方向，并设计自适应推理停止机制来动态调整推理步数。该机制通过联合监控多个指标，为不同复杂度的用户行为分配合适的计算资源。实验表明，DTRec在实现性能最高提升24.5%的同时，将计算成本降低了41.6%。

4. Intent-Guided Reasoning for Sequential Recommendation

🔗 原文： http://arxiv.org/abs/2512.14034v1

评分： ⭐⭐⭐⭐ (4/5)

推荐理由： 意图引导的序列推荐推理，提升鲁棒性，方法明确。

摘要： 为解决推理增强推荐方法中的推理不稳定和表面记忆问题，本文提出IGR-SR框架。其核心是用显式的高层意图来锚定推理过程。框架包含三个组件：潜在意图蒸馏器高效提取多层面意图；意图感知审慎推理器通过双注意力架构将推理解耦为意图审议和决策制定；意图一致性正则化确保不同意图视图下表征的一致性，提升鲁棒性。实验显示IGR-SR平均性能提升7.13%，且在行为噪声下性能下降更少。

5. Holistic Utility Preference Learning for Listwise Alignment

🔗 原文： http://arxiv.org/abs/2410.18127v2

评分： ⭐⭐⭐ (3/5)

推荐理由： 偏好对齐方法，与推荐排序相关但偏理论，可选阅读。

摘要： 本文提出直接排序偏好优化方法，将大语言模型与人类偏好对齐任务视为学习排序问题。不同于仅利用成对比较的DPO等方法，DRPO通过可微分的diffNDCG损失函数，优化整个响应列表的排序，从而利用列表比较中更丰富的偏好信息。此外，还引入了基于间隔的自适应排序策略分数来增强生成响应的区分质量。实验表明，DRPO在提升生成响应质量方面优于现有方法。

Section 3: 🔍 Deep Dive

RecGPT-V2 Technical Report

🔗 原文： http://arxiv.org/abs/2512.14503v1

🏷️ 来源： 🏭 工业界 | Taobao (Alibaba)

💡 背景与核心贡献

RecGPT-V1成功将LLM推理引入推荐系统，但仍存在计算冗余、解释模板僵化、泛化能力有限和评估简化四大局限。RecGPT-V2的核心贡献在于提出一套完整的工业级解决方案：1）通过分层多智能体系统与混合表征推理，在提升意图覆盖的同时大幅降低算力消耗；2）利用元提示生成动态、多样化的推荐解释；3）采用约束强化学习优化多目标生成任务；4）设计“智能体即法官”框架进行过程式多步评估，更好对齐人类偏好。

🛠️ 落地环节与关键细节

分层多智能体系统：由全局规划器、分布式专家和决策仲裁器协同工作，整合趋势、天气等多源信号，消除不同推理路径间的认知重复，将独家召回率从9.39%提升至10.99%。

混合表征推理与工程优化：通过原子化实体编码将用户行为序列从平均32K tokens压缩至11K，并结合基础设施工程优化，使模型浮点运算利用率提升53.7%，GPU消耗降低60%。

约束强化学习优化：针对标签预测、解释生成等多目标任务，设计约束奖励塑形机制，引导模型在可行优化域内持续自我进化，而非简单加和多奖励信号。

📈 线上收益与评估

线上A/B测试收益：在淘宝“猜你喜欢”场景中，对比基线取得显著提升：点击率+2.98%，商品详情页浏览量+3.71%，成交金额+2.19%，新颖性曝光率+11.46%。

任务指标提升：在淘宝的item-tag预测任务上，人工评估的标签质量通过率提升24.1%；推荐解释任务的人工接受率提升13.0%（相比V1提升77.6%）；解释多样性提升7.3%。