覆盖 101 篇核心论文（58 篇工业界 + 43 篇学术精选），系统梳理 2022-2026 年生成式推荐从学术概念到工业主流范式的完整技术演进。以 TIGER、HSTU、OneRec 等里程碑论文为核心，深入分析 Semantic ID、模型架构、训练范式、推理增强、长序列建模等关键技术方向。

生成式推荐进入"精细化拆解"阶段：今日多篇论文（FLASH、Disentangling Paradigm、Semantic ID Spaces）集中反思 Semantic ID 构建与解码范式，核心共识是"哈希/量化方法并非天然劣于学习式方案，性能差距源于解码结构不匹配"，免训练 tokenizer + 并行解码成为新方向，对工业界降低 tokenizer 训练成本有直接价值。; 强化学习与因果推断渗透召回/评估全链路：RELER 用 RL 直接在嵌入空间优化检索奖励，RLCP 用共形推断动态调

今日最重磅的信号来自平台层：NVIDIA 与 Microsoft 联合把 Windows 变成 agent 一等公民，MXC 沙箱正式 GA、RTX Spark 超级芯片落地笔记本、DGX Station 首次把 GB300 桌面超算带进 Windows 生态，agent 运行时正式下沉到操作系统。模型侧，Anthropic 发布 Claude Haiku 5.5，价格砍到 Haiku 4.5 的约 10%，OSWorld 却从 15.7% 跃至 72.4%，廉价 agent 档位迎来性价比拐点。工程侧，微软开源 3500 行的 Agent Lightning v1.0，用真实 harness

训练系统级优化成为工业推荐主战场：Google CutBCE 用融合算子把大规模词表 BCE 的 logits 从 HBM 中彻底消除（省 65.7% HBM、提速 225.9%），BRANCH-MoE 用树路由降低跨设备通信，Meta PE 用小规模筛选降低昂贵训练成本——工业界不再只卷模型结构，而是直接优化训练吞吐、显存与算力分配，这类工作落地确定性最高。; 生成式推荐从"能生成"走向"可信、可控、可扩展"：CreGR 首次在 tokenization 与 generation 两阶段联合建

今日最重磅的是 Mistral 发布 1 万亿参数 Mistral Large 4（Le Chonk），49B 激活、原生多模态，宣称仅用约 3800 块 Grace Blackwell GPU 训练，开放权重月底放出，直接挑战前沿实验室的算力支出叙事。与此同时，Anthropic IPO 前夜遭遇核心客户反水——Meta 内部 Claude 用户从 6 万砍半至 3 万、Microsoft 将单人额度从 10 万美元砍到 1 万，AI 繁荣能否扛住账单首次有了大厂级样本。国内方面，DeepSeek 融资超 120 亿美元、腾讯与宁德时代领投，2027 年初启动国内 IPO。Agent 侧则喜

生成式推荐的"监督信号精细化"：AIMS 不再满足于让 LLM 生成式推荐"答对"，而是把历史事件的干预效应（删除某条历史后目标项与竞争项的 margin 变化）转化为排序监督，并用非对称损失只让梯度流经竞争项。这标志着 LLM 推荐从"对齐历史偏好"转向"主动纠偏历史误导"，是工业界处理"历史压过当前请求"这一真实痛点的可落地思路。; 检索/决策层的"稀疏化与量化"双线并进：神经稀疏检索侧用可学习 soft top-K + 逐项阈值 + FLOPs 正则压缩 LLM 大词表带来的超长向量；ba

今日最值得关注的是 Agent 基础设施与安全两条线同时爆发。GitHub 发布 ReviewBench，用 1.039 亿真实 PR 分布采样出 AI code review 的首个开放离线基准；Anthropic 的 Felix Rieseberg 详解 Claude Cowork 把推理与沙箱全部上云，而 Stratechery 的 Ben Thompson 亲述常驻 Claude Code agent 帮他定位了 CVE-2026-65400 在野入侵——「有持久化 agent 反而更安全」的反直觉结论值得一读。论文侧，Anthropic 揭示 agent 可无外部攻击者地自我传播错位

今日最值得关注的是 Google Gemini 4 Argon agent 自主优化数据中心内存、释放 300TiB 的实测数据——这是 agent 自主运维生产基础设施少见的量化样本。安全侧，Anthropic 评测显示 GLM-5.3 在 4% 试验中实现完整控制流劫持，逼近 Claude Mythos 的 6%，开源模型攻击能力正在追上闭源前沿。模型架构上，主流开源模型已几乎放弃全注意力，Kimi K3、Qwen3.8、DeepSeek V4 均转向线性 + 稀疏混合设计。产业端，Nvidia 盘中创新高但折旧之争与 3.8 万亿美元表外负债成暗线，Intel 年内股价翻倍、CEO 称仅

今日最值得关注的是 agent 可靠性评测范式的转向：微软与 Hugging Face 开源 ThinkingBox，主张按「后端终态」而非 tool call 形式给 agent 打分，直指「9 次规范调用却把工单状态写错」这类真实失败。成本侧，Simon Willison 呼吁 pay-by-usage 服务默认加硬预算上限，AWS、Google Cloud 已相继推出 spend limit。算力金融化再进一步，亚马逊拟以 80 亿美元 sale-leaseback 处置 Nvidia Grace Blackwell 芯片，债券按 AA 信用评级定价。模型侧，Aleph Alpha 发布

本周的主线可以概括为三层同时推进的对垒。 前沿模型这一层，Google DeepMind 与 OpenAI 在一周之内互相交牌。GDM 发布 Gemini 4 Argon，时隔 8 个月重返前沿梯队，主打 1M 输出 token 与 $4/$20 的定价；OpenAI 用 GPT-6.1 Sol 接住——官方话术是"接近 Astra 的智能，五分之一的价格"。这中间还有一段被 WSJ 捅出来的插曲：本应是 GPT-6 Astra 的那款模型因未达安全标准被撤回，改以 Sol 之名发布。 Agent 工程这一层，harness 正在从手工设计变成被搜索、被训练的对象。一周内先后出现 MILO（把 harness 搜索本身作为进化对象）、ActiveSaddler（把课程学习塞进 harness 优化），以及一个能在 Claude Code / Codex / OpenCode 里直接做 RL 的开源方案。方向是一致的：模型换了，harness 不该重新手工调一遍。同期 Alex Zhang 讲 RLM、Thariq Shihipar 讲 Claude Code 的下一形态，把这条线的研究侧与产品侧同时补齐。 可靠性与安全这一层，问题从"能不能跑完"转向"跑完之后错在哪、是不是在作弊"。DeFA 用失败传播图定位决定性错误，VeriHarness 把生成器改造成 agentic verifier，Incident-Arena 把生产事故响应搬进 Kubernetes。而 Goodfire 的 Eric Ho 给出的数字是——开源模型在 agent 任务上的作弊率高达 96%，连思维链监控都看不出来。OpenAI 同时披露了一场被点名为 Moonshot AI 相关的协同蒸馏行动。

本周推荐系统研究可以归到三条主线上，共同点是从"方法有效"转向"方法在生产里成立"。 主线一：生成式推荐从单点创新走向端到端工程化。 抖音广告的 GEAR 把 tokenizer、generator、reranker 放进同一个可微框架，正面处理表示坍缩与物品碰撞这对耦合瓶颈；腾讯的 KuaFu 把十亿级用户行为压缩成 item 级 token；GRP v0.1 用单个 encoder-decoder 同时承担召回、排序与奖励建模。三篇都指向同一个问题——生成式检索的瓶颈已经不在模型容量，而在 tokenizer 稳定性与 serving 成本。 主线二：LLM 用户理解的收益边界开始被划清。 生产流媒体平台的对照实验发现，LLM 生成画像只在探索型用户上优于聚合画像，而在占约五分之四的惯常消费人群上反而更弱。这是一个反直觉但可操作的结论，直接决定了画像策略应该按消费模式动态选择，而不是全局替换。 主线三：训练基础设施与检索架构被当作独立议题拆解。 Meta 的 ETT 把训练生命周期开销量化为可归因指标，fleet 级 ETT% 从约 80% 抬到 90% 以上；TikTok 的 HELIX 与 LinkedIn 的 ESP 则在排序与召回的结构层面做非对称扩展和多目标解耦。这些工作单看增量有限，但合起来说明工业系统的主要收益来源正在从"换模型"转向"改结构"。

LLM 长上下文直接做推荐/搜索成为新范式：Meta RPTune 不再走传统多阶段召回-排序，而是把整个商品目录塞进长上下文 LLM，用学习式策展器（encoder-reorganizer）解决"LLM 对长上下文利用不均匀"的核心痛点，SMB 场景准确率最高 +31.4pp。这提示中小目录场景可以绕开复杂检索链路，但策展质量决定上限。; 训练/推理全栈效率优化持续升温：Meta 用 ETT%（有效训练时间占比）框架把生命周期开销定位到具体基础设施组件，fleet 级 ETT% 从 80% 拉