推荐算法日报 - 2026-11-17
2026-11-17
| 2026-11-17
Words 14305Read Time≈ 36 min

一、📊 趋势分析

🔥 检索基础设施开始衡量「全生命周期成本」:CARE、UniGraph、When the Bill Falls 与 Adaptive-Elbow 分别从量化、索引结构、模型迁移和召回预算四个环节,回答同一个问题:这套索引从构建到退役一共要付出多少成本。其中,CARE 把 SID tokenizer 优化到检索对齐空间(recon_P3 Recall@10 从 RQ-KMeans 的 62.75% 提升到 CARE-LR 的 66.09%);UniGraph 用 α-cover 单张图替代稠密、稀疏两路检索,在 Recall@100≥0.95 时 QPS 比最快基线高 27.6%~52.3%;When the Bill Falls 则直接证明:任何可采纳的迁移策略,总编码量恒为 N,复用旧索引只是推迟后付账,并未避免重新编码。判断:检索论文的评优标准正从「Recall 涨多少」转向「构建、迁移与重编码的总成本是否算得清」。
💡 从「加信号」转向「辨信号」:GainReason、Evidence Diet 与 Edit Recommendation 各自独立地收敛到同一个发现:信号被提供出来,并不等于它真的被系统消费。GainReason 指出,在规则奖励下大量 rollout 组优势为零;改用句子级 predictive gain 作为奖励后,训练中再未出现零优势组。Evidence Diet 在保持支持与计数多重集不变、只交换归属时,让 Books 新用户 target–rival 支持对准确率提升 +6.07pp(95% CI [4.18, 8.00]),证明排序器真正消费的是归属,而非支持是否存在。Edit Recommendation 承认部分请求本质上不可预测,于是用门控把展示建议的 pass@5 从 47% 拉到 62%,代价是建议频率降低 72%。判断:继续堆叠上下文带来的收益已经到顶,下一阶段要比拼的是信号的可判别性。
🔥 线上证据稀缺,「已上线」不再算数:19 篇论文里只有 IntentFlow(小红书)给出用户级 A/B 正收益(Top-4 查询 CTR +28.17%、查询 CTR +18.96%、人均结果页停留时长 +12.56%,端到端 P50 1.07 s),CARE 与 UniGraph 虽然声称已进入生产,却都没有报告线上收益;Straight to the Product 甚至观察不到购买,只能退一步看答案发出后 24 小时内的访问情况:访问被命名产品为每百条答案 2.07 次,而基线为 0.02 次。判断:工业论文的最小可信证据单元正在变成「用户级随机实验」或「带置信区间的行为指标」,单凭部署声明本身越来越缺乏说服力。

二、📋 今日速览

▍工业界(3 篇)

方法
机构
关键结果
证据
部署
腾讯
提出两个检索导向 SID tokenizer,重建视角 Recall@10 由 62.75% 升至 66.09%
A
全量
浙江大学
提出统一混合图索引 UniGraph,免重建支持动态 α,混合权重下 QPS 高出 27.6%~52.3%
A
全量
小红书
以分层意图统一数据构建、表征学习与重排,线上 Top-4 查询 CTR 相对提升 28.17%
A
A/B

▍学术界(16 篇)

方法
机构
关键结果
证据
部署
NTT
构建 EditRecBench 评估编辑请求预测,门控筛选后展示样本 pass@5 提升 12–25 点。
A
离线验证
阿里巴巴
用句子级预测增益 PG 替代规则奖励优化 GR 推理,NDCG@5 较最强基线相对提升 2.7%~6.2%
C
离线验证
斯坦福大学
把无链接购买计数写成运输问题,锐利界定排序器 NDCG 差;Beibei 非 Pop 设定仅 14/168 判定。
B
未部署
阿里巴巴、Meta
MAGE用元路径自适应传播与证据指令微调做多模态图跨域迁移,4个未见目标图零参数更新超基线
C
未部署
西北工业大学
证明复用旧索引只推迟、不避免重编码,并给出迁移前仅凭旧索引定价的三规则规划器(覆盖误差≤0.81%)
B
离线验证
莫纳什大学马来西亚分校理学院
提出 CPC-HCAD,成对比较偏好注入 ML 流水线,案例一致性 AI=0.043
C
离线验证
Introduction、Experimental Design and Protocols
只交换有支持候选间的证据计数归属,NDCG@5 降 4.06 点,证明 LLM 排序依赖证据绑定
B
未部署
Genloop
提出可持续学习的上下文层 LCG,text-to-SQL 留出准确率提升 22.6 点。
C
未部署
亚马逊
免训练概率预测器 CEP,以专家池替代 seasonal-naive,典型数据集 CRPS 低 14%、MSIS 低 23%、覆盖率 92.2%。
C
离线验证
英伟达
提出19类失效的产品建议诊断框架,覆盖高≠选择高,社区替代偏好仅1.9–6.5%
C
离线验证
法国 Orange 研究院、CentraleSupélec 信号与系统实验室、INSA Lyon
用二值哈希替代向量量化做语义通信压缩,CCA-ITQ 128 bit 在 p=0.1 下仍达 82.3% 准确率。
C
离线验证
巴里理工大学、马德里自治大学、Wideverse
浏览器接 EEG 映射 V/A 实时驱动推荐,延迟 80–90ms,nDCG 无显著差异
C
未部署
—
ExRel 以可执行合同合成题目图复用监督,Medium 关系优于自然数据,有效率 98.0%。
C
未部署
Scrunch AI
关联同一批人的助手对话与20家零售商浏览,提出product follow-through;44%商品页命中答案商品 vs 1.5%
C
未部署
—
构建两个合成生成式抄袭数据集,6 支团队 26 份提交显著超越三个基线
C
未部署
Engineering Ingegneria Informatica S.p.A
自适应肘点替代固定 top-k+双向 FK 遍历做 schema 检索,大库同召回下精度约翻倍
C
未部署

三、🎯 今日主题

从加证据到辨证据:可判别信号成为推荐系统的新硬通货

问题背景。 今天最集中的矛盾不再是「拿不到信号」,而是分不清哪些信号真的被系统消费、被使用。
  • Evidence Diet 指出,把协同交互、路径直接拼进 prompt 会导致证据负载本身掉点,而现有重排器不区分「支持的存在性」与「支持在候选间的归属」;
  • GainReason 发现,规则奖励下组内不同推理轨迹的奖励常常完全相同,大量 rollout 组优势为零,优化信号缺乏判别性;
  • Edit Recommendation 的失败分析显示,含上下文新信息的编辑请求 pass@5 显著更低,其中一部分本质上就不可预测;
  • 产品建议评估长期止步于「回复是否提到某个产品」,无法定位问题出在理解需求、构造候选集,还是最终选择。
代表方案对比。 五篇论文分别从优化目标、输入表示、展示时机、评估流程与学习准入五个切入点,给出「先证伪、再使用」的方案。
  • GainReason(Alibaba):切入点是 RL 奖励无法度量推理内部各句的贡献,于是以「每句推理引起目标 SID 对数似然的变化」构造句子级 predictive gain 奖励,z-normalize 之后再套用 GRPO;三个基准全库评估的 NDCG@5 平均相对提升 6.2%/2.7%/6.1%,训练中未出现零优势组。
  • Evidence Diet(学术):切入点是分离「识别哪些候选有图支持」与「在有支持的候选之间排序」;用保持支持与计数多重集不变、只交换归属的交换式诊断协议,在 274 个新 Books 用户上把 target–rival 支持对准确率从 66.87 提升到 72.95(+6.07pp)。
  • Edit Recommendation(NTT):切入点是承认部分编辑请求不可预测;用 Qwen3.5-2B/4B 冻结主干加 LoRA 的 decision model 输出 K+1 个 yes/no 概率做展示门控,AUROC 平均 .690,在阈值设为展示 20% dev 样本时 pass@5 由 47% 升至 62%、建议频率降低 72%。
  • Product Advice(NVIDIA):切入点是先把建议拆成 F/B/C/P/I/I_filtered/R 结构化表示与六大类 19 种失效模式;再按依赖图对根检查点下钻,并配合 15 个启发式与 4 个生成式 verifier,发现 K=40 时候选覆盖可达 95.5%,而条件选择率仅 47.0%,fact anchoring 也不改善参考一致性(22.9%→22.0%)。
  • LCG(Genloop):切入点是语义学习必须以执行验证为准入闸门;semantic store 按概念图路由,由 outcome-gated admission 决定是否写入持久 delta,从历史学习使留出题 13.7%→36.3%(+22.6 点),而全量接纳提议规则会从 53/146 跌至 29/146。
核心差异。 五篇论文沿「信号来源」与「对不可预测样本的态度」两条轴线分化。
  • 信号来源:GainReason 在模型内部制造判别性信号(PG);Evidence Diet 在固定输入上做干预,验证信号是否真的被使用;Edit Recommendation 与 LCG 则用外部的门控模型、执行结果决定是否采纳。前两者是「测量」,后两者是「甄别」。
  • 失败处理:GainReason 与 Product Advice 试图把失败变成可测量的诊断量(零优势组、19 种失效模式);Edit Recommendation 与 LCG 对不可靠样本直接弃权(不展示、不准入)。「修复」与「弃权」在今天同时成立,因为两者都把「不知道」显式化了。
  • 归因粒度:Evidence Diet 细到「哪条证据归给哪个候选」,Product Advice 细到「哪个检查点出错」,Edit Recommendation 则只到样本级是否展示。粒度越细的论文越停留在离线诊断,粒度越粗的离可部署组件越近。
趋势判断。 「可判别性」正在取代「解释性」成为推荐系统的论文门槛,而下一步的压力会来自线上对齐。
  • 诊断指标将进入主结果表:零优势组比例、门控 AUROC、交换归属的配对增益这类「证伪式」指标,会和 NDCG 并列出现;
  • 弃权(gating/admission)会从补丁升级为架构级组件:Edit Recommendation 的「频率降 72% 换 pass@5 +15 点」与 LCG 的 outcome gating 都说明,选择性不工作是目前性价比最高的设计;
  • 上述诊断全部停留在离线,目前还没有任何一篇把「可判别」换算成用户收益,这需要用 IntentFlow 式的用户级 A/B 补上最后一环,否则「辨信号」只是一个更精致的离线故事。

四、📰 逐篇解读

1. CARE: Contrastive-Anchored Residual Encoding with Listwise Reconstruction for Retrieval-Oriented Semantic IDs(Tencent)

  • 场景:工业视频搜索的生成式检索(GR)阶段,改进 Semantic ID 的 tokenizer。
  • 线上效果:无线上 A/B,仅离线:recon_P3 Recall@10 从 RQ-KMeans 的 62.75% 提升到 CARE-SID 的 65.23%、CARE-LR 的 66.09%,相对 RQ-KMeans 的配对增益 +3.34 点(95% CI [+2.30,+4.36]);论文称已上线 GR 阶段但未报线上收益。
  • 问题:residual k-means、RQ-VAE、FSQ 等现有 SID 构建只优化定义在文档 embedding 上的准则(几何失真、重建误差、格点拟合、桶容量),不控制量化后 query 是否仍能找到相关文档。
  • 动机:检索取决于 query 与文档的相对关系,逐文档误差相同的两个重建可能保住也可能交换某 query 的 top 候选排序,因此要在避开 query 依赖方向上量化,并保住每个 query 对其候选的排序。
  • 贡献:① 提出 CARE-SID,在检索对齐空间量化,用 query–文档对比损失训练零初始化残差对齐网络,码由 reference-vector rating 残差量化分配。② 提出 CARE-LR,加 listwise 重建蒸馏,把原 embedding 对候选列表的相似度分布蒸馏进 SID 重建。③ 给出无需训练生成器的检索导向 SID 评估协议(桶内精确期望、分桶与重建视图分离、按 query 文本分组的配对 bootstrap)。④ 消融定位增益主要来自 listwise 蒸馏,并说明对比对齐在 embedding 未经搜索数据训练时最划算。
  • 做法:CARE-SID 用两层 MLP 残差对齐 z=norm(d+f(d))(输出层零初始化,起点严格等于 R3-VAE),去掉学习到的 reference 方向后做三级 rating 残差量化,损失为重建加 anchor、InfoNCE、一致性、软共簇四项;CARE-LR 以真实搜索漏斗五类来源取候选、用原 embedding 的 softmax cosine 作 teacher 做 KL 蒸馏。
  • 局限:评估仍停在离线 SID 级,端到端 GR 结果留待后续,置信区间也条件于固定 checkpoint 与固定候选池。↗

2. UniGraph: A Unified Graph-based Index for Dynamic Hybrid Dense-Sparse Vector Retrieval(浙江大学)

  • 场景:稠密-稀疏混合向量检索,已落地蚂蚁集团生产环境。
  • 线上效果:无线上 A/B,仅离线:混合权重下 Recall@100≥0.95 时 QPS 比最快基线高 27.6%~52.3%,固定权重下为最快基线的 1.18×~2.85×;论文未报告线上业务指标。
  • 问题:两路方案分别检索稠密与稀疏索引再对候选并集重排,需两次检索,还会丢掉仅在混合距离下靠前的条目;固定 α 构建的混合图也无法适应查询级动态权重。
  • 动机:稠密与稀疏是同一对象的互补表示,相似度结构相关,不同 α 下邻域虽有差异但可复用,因此单图有望覆盖多个权重。
  • 贡献:① 提出 UniGraph 的 α-cover 构造,把多个 α 下的邻居集合合并为有界度图,单索引支持任意查询级权重而无需重建。② 设计 α-自适应搜索,按查询权重路由稀疏或稠密引导入口,并用 dense-first 混合距离剪枝省掉不必要的精确稀疏距离计算。③ 五数据集上验证吞吐优势,含构图时间、存储评估与引导入口、剪枝、多权重构图消融。
  • 做法:以 δ=0.1 采样 α,每个 α 取 top-32 混合邻居,并集去重后按出现频率保留 top-64 边,构造期用 HNSW/SINDI 生成候选池;搜索为按查询级 Dh 排序的贪心 beam search,α≤0.5 走稀疏引导,否则稠密引导,先用向量范数 Cauchy-Schwarz 下界估计混合距离决定是否跳过稀疏内积。
  • 局限:需多 α 采样构图,且 γ<1 缩放时剪枝不再保证严格下界。↗

3. Edit Recommendation: Can LLMs Anticipate Edit Requests from Users, and When?(NTT)

  • 场景:对话式推荐,LLM 聊天助手在用户发送前预判编辑请求并给出可点击建议。
  • 线上效果:无线上 A/B,仅离线:最佳模型 gpt-6.1-sol 在 EditRecBench 测试集 pass@1 28%、pass@5 47%(经验上限 61%),门控 AUROC 平均 .690;阈值设 20% dev 样本展示时 pass@5 升至 62%,但建议频率降 72%。
  • 问题:现有话语/下一 prompt 预测只做通用预测,未针对编辑请求(需对齐改哪里、怎么改);对每条回复都展示建议时,大量真实请求含上下文没有的新信息,本质不可预测,频繁错误建议会损害体验。
  • 动机:若在用户发送前把可能的编辑请求作为可点击建议展示,能减少审阅与反馈成本;失败分析显示 new info 样本 pass@5 显著更低,故应只对高置信样本展示。
  • 贡献:① 构建 EditRecBench,从 WildChat-4.8M 真实对话得到 12,298 个样本,并设计基于编辑位置与内容的评估准则。② 评测 8 个 LLM(pass@5 10%–47%),验证任务可行并发现部分请求本质上难以从上文预测。③ 提出 decision model-based gating 跳过困难样本,使展示建议的 pass@5 提升 12–25 点。
  • 做法:任务形式化为给定上下文预测下一条编辑请求并输出 top-K 建议,评估用 LLM-as-a-Judge 把请求分解为(target, change)原子要求、全部 satisfied 才记 match;门控模型输入上下文与原请求,输出 K+1 个 yes/no 概率,基于 Qwen3.5-2B/4B 冻结主干只训 LoRA 加分类头,以三票判官多数为标签。
  • 局限:门控仍需先承担预测器推理成本,且未做用户研究验证对体验的实际影响。↗

4. IntentFlow: An Intent-Driven Real-Time Multimodal Search System with Image-Text Queries at Xiaohongshu(小红书)

  • 场景:小红书 UGC 图文笔记的多模态搜索,服务站内搜索与多模态搜索 agent,覆盖召回与重排。
  • 线上效果:线上小红书用户级 A/B 相对「视觉搜索+重排」生产系统,Top-4 查询 CTR +28.17%、查询 CTR +18.96%、人均结果页停留时长 +12.56%;端到端延迟 P50 1.07 s、P90 1.34 s。
  • 问题:现有「视觉搜索+重排」只按视觉或主题相似度判断相关性,而同一图片在不同检索意图下所需证据不同,无法区分;且意图相关的笔记若未进入初始候选集,重排也无从补救。
  • 动机:相关性应由「用户想要的结果」而非图中物体类别定义,因此把显式分层意图作为统一标准,使数据构建、embedding 召回与重排对齐到同一套相关性准则。
  • 贡献:① 提出面向 UGC 多模态检索的分层意图体系(3 个一级、7 个二级意图)与意图特定相关性准则,统一指导数据构建、召回与重排。② 设计 agentic 数据构建流程,前向与反向构造候选并按条件核验证据(unknown 不视为负例,模糊案例交人工审核)。③ 表征学习融合意图感知对比学习、分级排序与教师分布蒸馏,重排器在意图条件下预测 0/1/2 相关性等级。④ 在百亿级索引实时部署并经用户级 A/B 验证效果与延迟。
  • 做法:query 为参考图、文本与查询区域 bbox,query 编码与分层意图识别并发执行,ANN 从固定文档索引召回并用 CSLS 调分;重排器按等级优先(2>1>0)、同等级沿用线上排序,索引固定后仅做 query 侧 LoRA 加残差投影适配以避免全库重编码。
  • 局限:作为首个用结构化检索意图统一数据构建、表征学习与重排的实时多模态系统,正文未讨论意图标注与人工审核成本、适用范围等限制。↗

5. Learning to Reason with Predictive Gains for Generative Recommendation(Alibaba)

  • 场景:基于 Semantic ID 的生成式推荐 next-item 预测,学术基准评测,无线上业务场景。
  • 线上效果:无线上 A/B,仅离线:三基准全库评估 NDCG@5 为 0.0985/0.0435/0.0204,平均相对提升 6.2%/2.7%/6.1%;开启推理带来 5.8%/2.3%/7.4% 提升,规则方法在 Movies 反而退化。
  • 问题:现有 GRPO 加规则奖励的推理优化未直接度量推理内部各句的预测贡献,优化信号不反映贡献;且组内不同推理轨迹奖励常完全相同,大量 rollout 组优势为零,学习信号判别性弱。
  • 动机:显式推理并不必然提升推荐、甚至退化;用「每句推理引起目标 SID 对数似然的变化」作为内在奖励,可同时得到贡献感知、连续细粒度可判别、且与 Top-K 排序目标理论上对齐的信号。
  • 贡献:① 首次将 predictive gain 引入 GR 显式推理优化,实证揭示规则奖励贡献不可测与组内信号不可判别两点缺陷。② 提出 GainReason,以 PG 提供贡献感知且可判别的句子级奖励,并证明期望 PG 收紧 Top-K 排序遗憾上界。③ 提出 PGRO 与辅助任务 PGRU,并用 custom causal attention 把 N+1 次前缀评估合并为单次前向。④ 三基准一致优于竞争基线,训练中未出现零优势组。
  • 做法:三阶段训练(itemic alignment SFT、CoT reasoning activation、RL),rollout 按句末标点切句,以给定历史与前 j 句推理时目标 SID 的平均对数似然增量作 PG 奖励;PGRO 对组内句子级 PG 做 z-normalize 得优势并套用 GRPO 裁剪目标,PGRU 用净 PG 接近 0 时最大的 smooth bump 权重加强 reasoning-conditioned SID 预测。
  • 局限:仅在三个公开离线基准验证、未提及线上部署,PG 计算仍带来有界但非零的额外前向开销。↗

6. What Unlinked Aggregates Still Prove: Ranker Comparisons from Exact and Differentially Private Item Counts(Stanford University)

  • 场景:电商推荐,在 Beibei 与 Tmall 购买数据上做离线 ranker 对比评测,研究链接缺失下指标差的可靠区间。
  • 线上效果:无线上 A/B,仅离线:NDCG@10 与 Recall@k 的区间宽度及判定率,精确计数把 NDCG 区间宽压到 per-user 界的 30%(Beibei)与 20%(Tmall)。
  • 问题:complete-case 评测直接丢弃未链接用户、改变 cohort,链接与结果相关时结论会反转;倾向加权依赖“谁保持链接”的模型、插补依赖结果模型,而逐用户最坏界完全忽略聚合、区间通常过宽无法决策。
  • 动机:聚合计数把未链接用户耦合起来——若某物品恰有 3 个未链接用户购买,至多只能把该物品的贡献记给 3 个历史允许它的用户,不能给每个用户都记最有利选择;这一约束不需要任何缺失机制假设,故能在最坏情况下收紧配对指标差的区间。
  • 贡献:① 把无链接计数下的 ranker 比较形式化为运输问题,全单模 LP 给出锐利的配对 NDCG@k/Recall@k 区间,且嵌套于 generic 与 per-user 界(信息阶梯)。② 设计 O(W·k + G·m′) 条弧的缩减网络避开用户×目录乘积,用 completion check 与 lazy refinement 认证端点锐利,分段实验首次认证 69% 的外边界。③ 对 Laplace 计数给出同时置信箱,使同一发布对任意多组比较以 ≥1−α 联合正确,并证明隐私代价上界 2tM/n 随 1/n 收缩。④ 在 Beibei(20,623 用户)与 Tmall(103,507 用户)上验证精确计数在 random/activity/oracle 链接下对每个对都收窄区间。
  • 做法:把每个未链接用户的相关物品写成 0/1 变量 x(i,j),用户行和为 1、segment-物品行满足精确计数或 DP 上下界,目标为未链接部分的 Σ q_i(j)·x(i,j);约束矩阵是二分图关联矩阵、全单模,故 LP 顶点整数且两端点由某个 completion 达到(Thm 1)。规模化用活跃物品加本段零成本 pool 的二部匹配认证锐利,失败则 lazy refinement(≤8 轮);DP 侧用 Laplace 机制(尺度 2/ε)配合 t=(2/ε)ln(M/α) 构造同时置信箱,箱不可行则弃权。
  • 局限:判定力几乎全由 Pop 的集中 slate 驱动,个性化对在精确计数下仅 14/168 与 0/81、DP 全直方图下无一判定,且用细 segment 换判定会快速增加个体结果披露。 ↗

7. MAGE: Meta-path Adaptive Graph Evidence for Transferable Multimodal Graph Learning(Alibaba、Meta)

  • 场景:学术,无业务场景;跨域多模态图学习,在源图上训练后零参数更新迁移到未见图的节点分类与链接预测。
  • 线上效果:无线上 A/B,仅离线:4 个未见目标图(Movies、Grocery、Ele-fashion、Goodreads)上的 Accuracy 与 Macro-F1,论文报告两任务均取得最优。
  • 问题:现有方法在每个模态内部单独聚合文本和图像、之后再融合,邻域聚合过程中未捕捉跨模态交互,导致对未见图域泛化有限;且简单模态融合难迁移,邻域模态的相对贡献随数据集不同而变化。
  • 动机:控制实验显示邻域文本加图像合并并不总最优(Reddit-S 上仅文本最好),模态贡献随数据集变化(Grocery 文本 65.17 对图像 62.41,Goodreads 图像 37.02 对文本 36.28),因此应显式建模跨模态邻域交互并按目标节点选择证据,而非依赖节点级模态对齐。
  • 贡献:① 通过控制实验识别“邻域模态贡献随数据集变化”是跨域多模态知识迁移的关键挑战,论证需超越节点级模态对齐显式建模该贡献。② 提出 MAGE,其 MAMP 用模态类型异构图与路径特定传播显式建模跨节点跨模态依赖,MSPR 结合节点/邻域条件路由与路径特定语义提示匹配自适应融合传播模式。③ 提出 EGIT,为每个目标查询选取相关邻域证据并聚合为图感知表示写入任务指令,提供目标表示之外的补充上下文。④ 在 3 个源图训练、4 个未见目标图上评测节点分类与链接预测,两任务均超越竞争性基线。
  • 做法:每个原节点拆为文本节点与图像节点构建模态异构图(4 种边型、8 条两跳元路径),MAMP 交替模态特定 Transformer 与沿元路径的两跳 GCN 传播 CLS,MSPR 以节点级 5 维与局部域 6 维统计描述子做 base router、以路径表示与可学习语义提示点积做 semantic router。自监督预训练含 CLS 掩码特征重构、边重构 BCE 与 Q-Former 对称 InfoNCE,二阶段只训 projector、MAMP 与 LLM 冻结。
  • 局限:仅在公开数据集上离线评测,未验证真实业务部署与 LLM 推理开销;与 MoMoK/UniGraph2 的差异在于把节点模态建成异构图独立节点沿 8 条元路径分别传播并动态路由,而非平均模态特征。 ↗

8. When the Bill Falls: Reusing the Old Index Defers,Never Avoids, Re-encoding in Complete Embedding-Model Migration(西北工业大学)

  • 场景:学术,无业务场景;dense retrieval 的 embedding 模型升级迁移中复用旧索引的决策与成本定价。
  • 线上效果:无线上 A/B,仅离线:Recall@10、新模型文档编码数、coverage 与 debt,覆盖 MS MARCO 1M、CodeSearchNet Python 及全量 8,841,823 passage 规模验证;K′=50 时窗口只触及语料 0.2540–0.2653,window 编码 26.4% 语料时 debt 仅 +0.0023,而 rebuild 后台只编码 3% 却背着整个 gap 0.0471 的 debt。
  • 问题:现有复用工作有两处错判:adapter 相对新模型报告 95–99% recall,但迁移决策真正该问的是它是否胜过旧模型,低于旧模型的 adapter 还不如不迁移;window re-ranking 的延迟重编码成本被完全忽略,文献中没有任何工作提前给这份账定价。
  • 动机:旧索引要退役就必须用新模型编码全部 N 篇文档,所以复用改变的只是“何时付账”以及在此期间损失多少质量;而覆盖成本可由旧索引上的窗口多重直方图独立算出,像数据库优化器的列直方图一样,不执行迁移就能给方案定价。
  • 贡献:① 由完成约束证明并实测任何可采纳策略的总编码量恒为 N,复用只推迟付账(180 个 demand 后台顺序组合全部无法完成、均被判 inadmissible)。② 实测 5 类 adapter 家族×15 对模型,指出基线选错:只有同族 LLM embedder 对 P5r 超过旧模型 +0.0027 至 +0.0044(小于 τ,不算提升),其余全部低于旧模型、最多低 0.7843 Recall@10。③ 给出窗口复用成本模型,Theorem 1 用窗口多重直方图精确给出期望覆盖,Theorem 2 证明独立窗口形式上界对任意 workload 与索引成立,850 加 387 个回放点无一越界。④ 提出迁移前规划器(D1 是否迁移、D2 选哪个策略、D3 窗口多深),把达到目标质量的窗口定价到语料 4×10⁻⁵ 以内(7/8 对),NQ 上 10/11 选对策略。
  • 做法:统一口径计数新模型下的文档编码数,质量按 query 首次被服务时测量一次;六种策略(S0 blue–green rebuild、S1 adapter bridge、S2 window re-rank、S3 mapped window、S4 window∪BM25、S5 全并)均配后台重编码器,Procedure 1 仅凭旧索引做一次检索即可定价任意时刻的编码量与上界。Procedure 2 按预注册的 ε=0.01、τ=0.005 依次判定是否迁移、是否值得 bridge、窗口深度,以及 rebuild 还是 S2@K′。
  • 局限:质量输入(模型间 gap 与 G)不能从 1M 直接搬到 8.8M、必须在实际服务规模上重测,且未覆盖负载下服务、K′=50 三对之外的规模回放、其他 GPU、非英语、长文档与故意不完成的迁移。 ↗

9. Advancing Cognitive Pairwise Comparisons for Human-Centric Artificial Intelligence and Data Science: A Human-in-the-Loop Framework(莫纳什大学马来西亚分校理学院)

  • 场景:学术,无业务场景;以 MovieLens (2019) 电影推荐为案例的人机混合决策框架,把人类偏好注入数据变换、特征选择、模型调参等 ML 流水线环节。
  • 线上效果:无线上 A/B,仅离线:MovieLens 上各环节的 Accordance Index(特征加权 0.043、类别编码 0.076、离散化 0.048,均低于 0.1 满意阈值)。
  • 问题:现有 HITL/HCAI 方法主要靠定性设计准则、事后可解释工具或简单行为反馈回路,缺少严格的区间尺度数学机制,无法把隐性人类判断转成可直接编程进数据变换、特征选择、模型调参等底层流水线操作的精确数值权重。
  • 动机:AutoML 全自动方案并非对不同用户和问题域通用,且存在 automation bias;作者认为人类隐性领域知识必须参与,而 CPC 能以结构化成对比较把隐性偏好转成显式区间尺度权重,可进一步算法化嵌入各流水线环节。
  • 贡献:① 提出 CPC-HCAD 人机混合决策框架,把 CPC 从 MCDM 工具扩展为流水线级偏好注入方法。② 基于 PLS 推导 RAU 闭式量化公式(Eqs. 1–7),并用 Accordance Index 校验成对判断一致性。③ 将 CPC 落地为特征加权、类别编码、离散化、数据划分、前向特征选择、模型选择、加权距离与用户偏好加权 PCA。④ 在 MovieLens 上演示同一偏好提取机制跨监督学习、无监督学习、降维与规则挖掘的适用性。
  • 做法:对 n 个对象做 n(n−1)/2 次成对比较构建 POM,评分取 γ_i=iκ/8,PLS 最小化 Σ(b_ij−v_i+v_j)² 且约束 Σv_i=nκ,闭式解 v_i=(1/n)Σ_j b_ij+κ,再按 W=V/(nκ) 归一化为权重,AI≤0.1 视为一致。扩展到类别编码时以偏好权重替代 one-hot 的 0/1,离散化用 NRAU 得区间宽度比例 w 后按切点公式分段。
  • 局限:演示仅限 MovieLens 电影推荐场景,验证集中于一致性指标与示例权重,未涉及线上部署与业务收益;与 HGML/MILE 的高层定性引导不同,本文给出带一致性校验的定量偏好提取机制。 ↗

10. Evidence Diet: When Graph Evidence Helps LLMs Rank Competing Candidates

  • 场景:生成式推荐(学术);LLM 对 10 个候选做生成式重排,Amazon Books 与 MovieTV 离线评测,无线上业务。
  • 线上效果:无线上 A/B,仅离线:H@1/H@5/NDCG@5、StrictValidRatio 与支持对准确率;冻结测试中 274 个新 Books 用户的 target–rival 支持对准确率 66.87→72.95(+6.07pp,95% CI [4.18, 8.00])。
  • 问题:现有 LLM 重排器把检索到的协同交互、路径直接拼进 prompt(如 CoRAL/MemRec/LLaRA),但未区分“哪些候选有图支持”与“在有支持候选之间如何排序”,也未检验排序器是真正使用证据归属、还是只感知支持存在性;同时证据负载本身会显著掉点。
  • 动机:作者直觉:一旦支持已知,真正决定排序的是“哪个候选拿到哪些支持者与路径计数”;保持支持与计数多重集不变、只交换归属,若排序器真消费证据,正确归属应改善 target–rival 排序,从而把“识别支持”与“在支持者间排序”分离。
  • 贡献:① 提出交换式诊断协议(支持者/路径计数互换、degree matching、整条记录重分配、格式与负载干预),分离支持存在性与证据归属。② 在 Books/MovieTV 完成来源分解、负载、实体绑定、模型尺度四项诊断,发现正确计数归属改善 target–rival 排序。③ 冻结测试确认归因效应:274 个新 Books 用户支持对准确率 +6.07pp(95% CI [4.18, 8.00])。④ 显示数值计数注入优于文本 Z,历史分数与图结构/非线性打分互补。
  • 做法:每用户 1 目标加 9 负样本做 10 候选排序,对比仅历史 N、至多 8 个历史物品的两跳原始路径 R、编译统计 Z 与 RZ;干预含跨用户长度匹配互换、语义/热度/双重匹配替换、target-degree matching、整条记录重分配与支持内计数饱和互换、flat/hierarchical 格式及 prompt 负载扰动。模型用 Qwen3 0.6B/1.7B/4B(LoRA rank 16)与 GLM-4-9B-Chat,统计用 10,000 次用户配对 bootstrap。
  • 局限:纯离线开发与冻结测试、单目标 10 候选设置,未验证线上业务收益;不新增证据注入方式,而是在固定支持与计数多重集下只交换归属,证明正确分配本身贡献排序。 ↗

11. Living Context Graphs: Continual Semantic Learning for Enterprise Data Reasoning(Genloop)

  • 场景:企业数据推理(Text-to-SQL),学术评估设定,基于 BIRD 三个数据库,无真实业务上线。
  • 线上效果:无线上 A/B,仅离线:BIRD dev 三库 499 题 execution accuracy,bootstrap 使全题 34.1%→38.7%(留出题 13.0%→13.7%),仅从历史学习使留出题 13.7%→36.3%(+22.6 点,95% CI [+14.4, +30.8])。
  • 问题:数据库 schema 只有列名,业务含义、指标口径与报表惯例散落在 dashboard、分析师查询和部落知识里;人工语义层(dbt、LookML)部署昂贵、易过时,也不会从 agent 的执行结果中自我修订。
  • 动机:瓶颈在数据基础而非模型能力,应在不拷贝、不转换既有数仓的前提下从数据本身 bootstrap 一部分语义,再靠带执行验证的使用补齐"数据里学不到"的业务概念;以可复用概念为单位修正,才能跨问题泛化、可审计、可失效重学。
  • 贡献:① 提出 LCG 无拷贝上下文架构,在既有数仓上 bootstrap 语义存储并依据验证过的使用持续修订。② 将语义学习与上下文路由分离,服务期概念图只做索引,成本与延迟降 2–3 倍而准确率基本不变。③ 提出 transfer-aware 评估协议:学习历史与留出问题共享业务概念但不共享问题。④ 证明 outcome-gated admission 关键:从历史学习使留出 53/146,全量接纳提议规则则跌至 29/146。
  • 做法:semantic store 存人类可读的业务定义、关系、指标与修正,concept graph 按用户实际词汇索引路由;bootstrap 由 profiling 加 onboarding agent 写定义,使用中查询经 canonicalize 后路由,成功强化、失败撤回,答案验证后 learning agent 写出持久语义 delta,准入与遗忘由执行成功、参考答案等内外信号门控。
  • 局限:监督来自答案匹配,强于真实部署的被动"无投诉"反馈;规模仅 3 库 499 题且留出集为测迁移而构造,LLM judge 与人工评审一致性未测。↗

12. Conformal Expert Pools: Training-Free Probabilistic Time-Series Forecasting Beyond Seasonality(Amazon)

  • 场景:时间序列概率预测基准评估,学术设定,无业务上线。
  • 线上效果:无线上 A/B,仅离线:232 数据集、24,502 窗口上 CRPS 在 78% 数据集优于 CSP(典型比值 0.86),MSIS 84% 更优(0.77),覆盖率 0.901→0.922。
  • 问题:CSP 只用 seasonal-naive 预测序列水平,遇趋势、历史过短、波动率变化或大量零值时残差不再可靠——30 点及以下历史覆盖率仅 56%,12 步内仅 82%,远低于 95% 目标。
  • 动机:CSP 的价值在于免训练、无跨序列学习参数、成本低到可当默认基线;因此不动这些前提,只把单一预测换成固定设置的简单预测器池,用专家在同一序列历史上真实犯过的误差构造预测分布。
  • 贡献:① 提出免训练概率预测器 CEP,把 CSP 从单一 seasonal-naive 扩展到序列自适应的专家预测器池。② 在 232 数据集、24,502 窗口上评估,含按数据集家族的 held-out 划分和 36 个 fev-bench 语料外文件。③ 与 Laplace 做同历史、多步的同等条件对比,证伪"CSP 几乎击败一切"的声明。
  • 做法:用一组固定设置的经典点预测器(专家池)给出水平预测,抽取其在同一序列历史上的实际误差构成经验池,直接采样得到 N=200 情景与 95% 预测区间;不使用协变量或其他序列,无训练、无学习参数、无超参搜索,单次预测中位耗时 39 ms。
  • 局限:沿用 CSP 的"conformal"用法,不对覆盖率作正式理论保证,只有 232 数据集上的经验验证;与 NPTS 家族不同在于分布来自专家池的历史误差而非过去值采样。↗

13. Can LLMs Give Good Product Advice? A Framework for Diagnosing Failures(NVIDIA)

  • 场景:对话式推荐中的 LLM 产品选购建议评估(汽车、笔记本、耳机、软件、硬件),离线诊断框架,无线上部署。
  • 线上效果:无线上 A/B,仅离线:ESCI Exact 选择率 58.6–73.6%(随机 25%);K=40 下候选覆盖 95.5%/76.6%/57.1%,但条件选择率仅 47.0%/26.5%/39.3%。
  • 问题:现有评估靠匹配社区回复中的产品名,但多个产品都可能合适、记录的社区答案本身也可能差,匹配上无法回答建议是否满足需求,也缺少定位错在哪一环节的方法。
  • 动机:建议质量需要产品事实与用户需求证据才能判断;把建议拆成从理解请求到选定产品的各阶段后,不同错误(如把"SUV 或 minivan"改成"只 SUV",或记录了六座要求却选五座车)可分别归因,并用针对性干预检验薄弱环节。
  • 贡献:① 提出建议质量与自一致性的评估流程,用 top-/set-reference 一致性和 source-blind 直接对比做窄化比较。② 定义 F/B/C/P/I/I_filtered/R 结构化表示与六大类 19 种失效模式,明确每种诊断所需证据。③ 分离候选覆盖率与条件选择率,识别答案抽取与候选列表构造两类评估 artifact。④ 实现 15 个非生成启发式与 4 个生成式 verifier,并发现 fact anchoring 不改善参考一致性(22.9%→22.0%)。
  • 做法:将回复分解为 F 明示事实、B_inf 有据推断、B_assume 背景先验、C 硬约束、P 偏好、I 候选集、I_filtered 与 R 排序,按依赖图对根检查点(1a/1b/1c/2b/4a)下钻;用产品事实表审计约束,枚举 3×20 候选测覆盖,供选列表测选择,ESCI 相关性标签做外部校验。
  • 局限:verifier 未经人工标注验证,社区参考非完备、非金标,数据集中于 2019 年英语美向人群;与 ShoppingReasoningBench 的专家 rubric 路线不同在于考察社区参考、抽取效应与候选构造 artifact。↗

14. Leveraging Binary Hashing for Scalable Index Assignment in Semantic Communications(Orange 研究院、CentraleSupélec、INSA Lyon)

  • 场景:语义通信中句子 embedding 的二值压缩传输,下游为意图分类,学术基准,无业务上线。
  • 线上效果:无线上 A/B,仅离线:Banking77 分类准确率,b=128 时 CCA-ITQ 在 p=0 达 83.3%(超未压缩 IEEE 754 的 79.7%),p=0.1 仍 82.3%,相当于 192× 压缩。
  • 问题:直接传输 768 维 float32 embedding 需 24576 bit,带宽代价过高;VQ 加索引分配框架则量化失真被码本大小 K 锁死、最近质心编码复杂度 O(Kd)、BSA 精化 O(K²),K 接近训练集规模时计算不可行。
  • 动机:哈希用超平面阈值化投影,让相似向量落在同侧、在 Hamming 空间保持接近,可在 O(bd) 编码复杂度下保留索引分配所追求的信道错误局部性;数据相关超平面加 ITQ 正交旋转能降低二值量化损失、平衡比特,从而提升抗比特翻转鲁棒性。
  • 贡献:① 首次将信息检索领域的二值哈希作为语义通信专用压缩方案,给出对 VQ 的可扩展替代。② 在 BSC 信道上跨比特率与误码率,与未压缩、K-means+BSA、PQ+BSA 做系统基准对比。③ 证明 PCA/CCA 超平面经 ITQ 精化后稳定优于随机 LSH,CCA-ITQ 取得最佳分类准确率。
  • 做法:统一仿射投影 H(e)=sign(W(e−μ)),W 取自随机高斯(LSH)、样本协方差前 b 个特征向量(PCA)或 embedding 与 one-hot 标签的正则化广义特征向量(CCA),ITQ 交替学习正交旋转最小化 Frobenius 范数 ‖B−ZRᵀ‖²;接收端在共享表中按 Hamming 距离检索最近非空哈希单元,回送单元均值 embedding 给逻辑回归分类器。
  • 局限:仅用单一 embedding 模型与单一文本分类任务,跨模型、跨任务及多任务泛化性待验证;与 K-means+BSA 需码本不同,本文直接哈希、编码仅 O(bd)。↗

15. EE-Motion: An EEG-based Web Architecture for Live Affective Music Recommendation(巴里理工大学、马德里自治大学、Wideverse)

  • 场景:音乐推荐 live demo,核心是匿名访客冷启动加实时 EEG 情绪信号,学术演示,无线上部署。
  • 线上效果:无线上 A/B,仅离线:本地 benchmark ACE live 90.3±7.0 ms、SASRec live 80.0±7.4 ms,均低于 8Hz EEG 流的 125 ms 期限;nDCG@10 与离线无显著差异(ACE 0.0231 vs 0.0236,SASRec 0.0164 vs 0.0148,Wilcoxon p>0.05)。
  • 问题:推荐系统围绕点击/播放等离散日志构建,没有接驳数百赫兹连续生理遥测的原生通道;匿名访客在 CF 下需静态用户嵌入表并重训练或 fold-in,SASRec 只操作离散 item token 无法在打分时融合连续 affect,ACE 等则把 V/A 绑死在模型特定训练目标上。
  • 动机:情绪在单次 session 内持续漂移,用历史日志或静态画像估计会与当下状态脱节;只要在请求时把实时生理信号送进排序管线,并把接口统一成 [0,1]² 的归一化 V/A 坐标,就能解耦传感模态与排序模型(input swappability),无需重训练即可服务匿名访客。
  • 贡献:① 基于 Web Bluetooth 让浏览器直连 Muse 2,实时滤波、质量门控并映射为归一化 V/A 代理坐标。② 提出 affective adapter,把 ACE、SASRec 等不同家族离线模型统一改写为 live affective 变体,用少量收藏曲目参数化匿名访客。③ 用四微服务解耦架构实现 input swappability,手动拖拽 V/A 平面即可替换真实传感器。④ 本地延迟显著低于 125 ms 期限,且 nDCG@10 与离线无显著差异。
  • 做法:bci-processor 用 Muse-js 采集 TP9/AF7/AF8/TP10 四通道 256Hz、约 4s 环形缓冲,经 MNE 坏道检测与 1–40Hz 因果带通、NeuroKit2 估频带功率,以 FAA(αAF8/αAF7 的对数)作 valence、AI 比值作 arousal 并经 sigmoid 归一化;recommender 在 WarpRec 上挂 affective adapter,平均所选曲目 embedding 把匿名访客投影到隐空间后输出 top-k。
  • 局限:FAA/AI 仅为未校准的生理代理指标而非经验证的情绪识别,评估止于本地延迟与离线指标,无真实在线用户效果;与 ACE 把 V/A 绑进模型特定训练目标不同,这里将其抽象为可跨模型复用的 adapter。↗

16. ExRel: Learning Directed Reuse Relevance between Rich-Text K-12 Question Images with Executable Relation Contracts

  • 场景:学术研究,无业务场景,任务是判定 K-12 题目图像之间的复用关系。
  • 线上效果:无线上 A/B 实验,仅离线:该监督在查询级排序以及 Medium 关系上优于 size-matched 自然数据和 count/class-matched replay,人工审核的有效率为 98.0%,单对成本为 0.70 RMB,低于外包标注的 1.10 RMB。
  • 问题:通用相似度分数忽略了任务特定的复用要求,无法区分措辞、条件、答案选项或任务范围变化带来的效用差异;自然监督又以 Strong 关系为主,缺乏细粒度覆盖。
  • 动机:复用效用取决于哪些内容被改动,而非单纯视觉相似。因此要把真实题目重建为可编辑的 HTML/CSS 种子,并用可执行合同显式规定允许编辑、受保护不变量与查询-候选方向,才能可控且可验证地合成细粒度关系样本。
  • 贡献:① 形式化 directed reuse relevance 任务,把候选复用效用分为 Strong、Medium、Weak 三级;② 提出 agentic、code-grounded 的 ExRel 框架,把 15 种关系子类型编译为可执行合同;③ 引入确定性的 DOM/渲染校验,以及目标隐藏且证据辅助的审核和有界修复,使下游仅用渲染图像训练;④ 实验显示该监督在细粒度关系与视觉退化鲁棒性上优于自然数据,且成本更低。
  • 做法:先把真实题目重建为可编辑的 HTML/CSS 种子,再把 15 种关系子类型编译为规定 permitted edits、protected invariants 与 query-candidate 方向的可执行合同;合成对经 DOM/渲染校验与审核后,施加轻度拍照退化。
  • 局限:摘要仅覆盖离线与人工评估,未提及线上部署,也未披露数据集名称与具体排序数值。 ↗

17. Straight to the Product: What Online Retailers Miss When Shoppers Ask AI First(Scrunch AI)

  • 场景:对话式推荐,关注 AI 购物助手的答案如何影响电商零售商的站内流量与商品选择。
  • 线上效果:无线上 A/B 实验,而是基于 opt-in 消费者面板的观察性研究:答案后 24 小时内访问命名产品为每百条答案 2.07 次,基线为 0.02 次(+2.0 [1.7,2.4]);44% vs 1.5% 的用户去看被命名的产品,复现期 42% vs 1.2%。
  • 问题:现有购物助手评估止步于答案本身,referral 报告也只统计带链接的访问:89% 的助手后访问没有链接痕迹、被记为普通搜索流量,因为决策发生在对话里,记录却在搜索框中。
  • 动机:用户看到答案中的产品名后常直接搜该产品名到店,链接归因会完全漏掉这段旅程;因此需要一个不依赖 referral 数据和 provider 日志、只用答案文本加后续页面浏览的行为指标。
  • 贡献:① 给出产品级证据,说明助手答案影响用户去看哪个产品;② 提出 product follow-through 指标,可对每个助手分别计算(ChatGPT +2.2pt、Gemini +1.0pt);③ 揭示商店几乎看不见助手流量:89% 无链接痕迹、54% 经网页搜索、搜索框被当地址栏用;④ 发现答案只决定起点、店内推荐引导其余浏览(31.4% vs 26.2% 看≥2 个商品)。
  • 做法:用同一批人的网页浏览记录与 ChatGPT/Gemini/Claude/Perplexity/Grok 对话面板,由 LLM judge 分类答案类型,用页面标题加 URL 做商品匹配,并与同人 14/21/28 天前基线等对照。
  • 局限:观察性研究、只见访问不见购买,且仅覆盖两个英语市场与 20 家大型零售商。 ↗

18. Overview of the Plagiarism Detection Task at PAN 2026

  • 场景:学术研究,无业务场景,属于生成式抄袭检测与科学文献溯源的评测任务。
  • 线上效果:无线上 A/B 实验,仅离线结果:6 支团队共 26 份提交显著优于三个基线,摘要未列具体指标与数值。
  • 问题:恶意行为者可用 LLM 低成本生成论文并规避对未披露复用的检测,缺少针对这类合成生成式抄袭的检索评测数据与基准。
  • 动机:以“恶意者用最小成本生成论文并规避检测”为前提合成数据,更贴近真实滥用场景,用于检验系统能否回溯被抄袭的原始科学来源。
  • 贡献:① 提出 PAN 2026 生成式抄袭检测任务,目标是为自动生成的抄袭文本检索原始科学来源;② 按恶意者规避检测的前提构建两个合成生成式抄袭数据集;③ 用四个 LLM 生成数据;④ 汇总 26 份提交与三个基线的对比。
  • 做法:任务综述路线,用 GPT-OSS 120B、Llama 3.1 8B、Qwen 3.5 27B FP8、DeepSeek-R1 Distill Llama 8B 合成两个数据集,再汇总参赛系统结果并与基线对比。
  • 局限:摘要未给出具体指标数值,未讨论局限,也未提及与之对比的同类工作。 ↗

19. Adaptive-Elbow Graph Traversal for Schema Retrieval in Text-to-SQL(Engineering Ingegneria Informatica S.p.A.)

  • 场景:学术研究,无业务场景,针对 text-to-SQL 的 schema 检索第一级召回。
  • 线上效果:无线上 A/B 实验,仅离线表级指标:BIRD merged 在 t_hop=1、97% recall 下 precision 为 36.9%,固定 k 为 25.6%;Spider merged 从 7.0% 提至 14.3%;全流程 300–450 ms/query。
  • 问题:现有 dense embedding 加固定 top-k 的 schema 检索对所有问题用同一预算,简单题被噪声表填充、复杂题的金标表掉出列表;纯语义相似度还会系统性漏掉语义不相关但 join 必需的外键桥接表。
  • 动机:相似度排序曲线的头—尾肘点结构因题而异,预算应由曲线形状逐题决定;外键图结构与语义信号互补,可确定性补回桥接表,两者都是零 LLM 调用的低成本预筛。
  • 贡献:① 将 Kneedle 膝检测扩展为带单一激进度参数 α 的逐题自适应预算,替代固定 top-k;② 在 Table/Column 属性图上做双向 REFERENCES 遍历,确定性补回桥接表;③ 在 3–13、74、546 三档候选池上隔离两机制,给出各自何时生效的经验地图。
  • 做法:用 PostgreSQL 属性图存 Table/Column 节点与 REFERENCES 边,all-MiniLM-L6-v2 分块嵌入取节点内最大 cosine 排序,双窗平滑定肘后按 α 缩放切点并换算成阈值 τ 截断,再对 seed 集做 t_hop 次双向外键扩展(默认 α=0.6、t_hop=1)。
  • 局限:仅表级离线评估,未验证端到端 SQL 执行准确率,且分数曲线平坦时肘点会退化为返回大部分候选。 ↗

本日报由 AI 自动生成,解读观点仅供参考。
  • 推荐系统
  • 日报
  • 每日投资简报 (morning) — 2026-06-23 早报推荐算法日报 - 2026-11-14
    Loading...
    Catalog
    0%