2026-05-11 日报

主题: 生成式推荐基准审计与对话式语义ID落地

标签: semantic-id · pretrained-lm · cold-start · industrial · academic

📊 统计: 共 5 篇 · 精读 2 · 🏢 工业界 1 · 🎓 学术 4 · generative-rec 2 · other 1 · llm 1 · discriminative-rec 1

综述

本日共 5 篇论文，2 篇精读、3 篇略读；类别分布上生成式推荐 2 篇、判别式推荐 1 篇、LLM 推荐 1 篇、其他 1 篇，工业界（腾讯、Airbnb）与学术界各半。重点论文方面，腾讯 NewsRec-Chat 提出 Generate-then-Match 范式，让 7B LLM 直接生成 3 层分层 Semantic ID 前缀，对 24h 滚动新闻池做模糊匹配，从架构上保证 0% 幻觉，并通过 PADR 自适应路由实现纯冷启动用户 L1 命中 18.0% 反超 warm 用户的 11.9%，是对话式新闻推荐落地的代表作；Airbnb 与 MSU 合作的 TGH 用一个极简免训练图启发式审计了覆盖 87% 近期生成式推荐论文的 Amazon Review 基准，揭示低分叉局部转移、特征平滑、短历史足够三类 shortcut 结构，TGH 在 14 个数据集中 10 个排名第一或第二，NDCG@10 反超 SOTA 生成式推荐器 17–44%，对整个领域评测体系敲响警钟。其余 RRCM（GRPO 训练的 agentic 记忆检索）、TRACE（旅游对话推荐 benchmark）、DCGL（KG 双通道图学习）各自在 LLM agent、对话推荐评测、知识图谱融合方向做了增量探索。整体趋势上，Semantic ID + LLM 直接生成正成为工业级落地主流，而""benchmark 是否真的在衡量能力""的反思也开始浮出水面。

重点论文

NewsRec-Chat · ⭐ 8/10

Intent-Driven Semantic ID Generation for Grounded Conversational News Recommendation

🏢 Tencent · 生成式推荐

腾讯 NewsRec-Chat 用 Generate-then-Match 范式将对话式新闻推荐从 retrieve-first 转为 LLM 直接生成 3 层 SID prefix + fuzzy match，结合 PADR 自适应 warm/hybrid/cold 推理路径，7B 模型在 152K SID 空间架构级保证 0% 幻觉，冷启动 L1 18.0% 反超 warm 11.9%。

TGH · ⭐ 8/10

An Embarrassingly Simple Graph Heuristic Reveals Shortcut-Solvable Benchmarks for Sequential Recommendation

🎓 学术 · 生成式推荐

用故意设计极简的免训练图启发式 TGH 审计 87% 生成式推荐论文使用的 Amazon Review benchmark，揭示三种数据集 shortcut 结构（低分叉局部转移 / 特征平滑 / 短历史足够），TGH 在 14 个数据集中 10 个 best/second-best，呼吁 capability-aware evaluation。

全部论文