本周推荐系统研究围绕三条技术主线展开：生成式推荐架构从tokenizer优化走向推理效率提升，LLM增强推荐从孤立的辅助模块演化为具备记忆与推理能力的智能体，系统工程层的量化与线程编排成为工业部署的实际瓶颈突破点。 主线 1“生成式推荐的解耦与加速”： 阿里在TmallAPP上线 CQ-SID / EG-GRPO，以类别感知语义ID和专家引导强化学习实现GMV +1.15%，生成召回贡献72.63%购买。Tencent与清华的 AsymRec 提出非对称连续-离散框架，用多专家投影替代对称量化，平均提升15.8%。美团的 DIG 将tokenizer嵌入判别式排序模型端到端训练，同时提升检索与排序。Snap的 SID-MLP 用MLP蒸馏替代Transformer解码器，加速8.74倍且精度持平。这些工作的共同指向是——生成式推荐正在从“能跑”向“跑得稳、跑得快”过渡，核心手段是解耦输入输出表示与替换密度过高的结构。 主线 2“LLM推荐向推理与记忆演进”： Microsoft Research的 PGR 引入前瞻引导检索，用Tree-of-Thought扩展查询步骤，在MemoryQuest上召回提升近3倍。美团的 RecRM-Bench 提供了100万条结构化条目覆盖指令遵循、事实一致性等四维奖励，为智能体推荐系统提供基础。SDAR（美团）用门控辅助目标稳定OPSD蒸馏，在ALFWorld、Search-QA等基准上相对GRPO提升7-10%。差异在于——PGR侧重检索前的前瞻推理，SDAR侧重训练中的稳定性，但共同挑战是LLM在推荐场景中的记忆与推理能力仍远未成熟。 主线 3“系统协同设计成为工业落地关键”： Meta的 LoKA 通过Probe-Mods-Dispatch三件套在FP8下实现训练吞吐+20%、推理加速+40%且无质量损失。Xiaohongshu的 CCD-Level Thread Orchestration 利用CCD架构的缓存特性，在ANNS服务上取得3.7x吞吐提升和30-90% P999延迟降低。Baidu的 Efficient Generative Targeting 结合量化、稀疏化和并行验证，实现1.8倍推理加速并部署于广告系统。这些工作表明——模型架构改进的边际效应递减时，硬件感知的系统优化正成为实际收益的主要来源。
编码 Agent 的交付形态正在经历一次收敛与分化并存的阶段。一方面，OpenAI 将 Codex 推向 Windows 沙箱和移动端，Anthropic 推出官方 Skills 仓库，Garry Tan 开源 gstack——Agent 工具链从“写代码”向“管理工程团队”的方向迈了一大步。另一方，学术界则在追问：当 Agent 规模扩张到百万级别时，涌现行为的归因如何做到可计算、可证明。 与此同时，LLM 架构创新进入密集发布期。Sebastian Raschka 的综述文章系统梳理了 Gemma 4 到 DeepSeek V4 共十多篇架构论文，Nous Research 一周之内抛出两项核心技术——Token Superposition Training 和 Lighthouse Attention，分别将预训练和长上下文推理的 wall-clock 速度推高 2-3 倍和 17 倍。NVIDIA 的 Star Elastic 和 AWS 的 Priming 则从后训练和模型转换角度，提供了更经济的多模型族管理方法。 推理基础设施层面，SGLang 和 vLLM 在一周内相继合并了对 DeepSeek V4、Laguna-XS.2 等新架构的支持，KV Offload、HiSparse、MegaMoE 内核等优化密集上架。Cerebras 以 600 亿美元 IPO 收盘，Stratechery 的 Ben Thompson 则从芯片架构差异出发，预言推理算力市场将走向异构化。本周的三条主线——Agent 工具链标准化、架构创新的规模化验证、推理部署的工业化追赶——互相交织，指向同一个判断：2026 年正是从“模型试验”向“系统工程”过渡的关键季度。