0
0生成式召回不再是"未来方向"——天猫APP的生成式召回已贡献超过一半曝光和七成成交。本期围绕 Semantic ID 如何真正接管工业搜索推荐链路，精读两篇重磅论文，并点评一篇值得广告同学关注的 OPE 策略设计工作。
本期重点
- 天猫电商生成式检索（Efficient Generative Retrieval for E-commerce Search with Semantic Cluster IDs and Expert-Guided RL）：用语义簇 ID 替代一物一码，类目约束首层量化 + 四阶段渐进训练 + 专家引导 RL 对齐下游排序，线上 A/B 两周 GMV +1.15%，生成式召回贡献过半曝光与七成成交——是目前最扎实的电商生成式检索工业落地报告。
- 判别即生成（Discrimination Is Generation: Unifying Ranking and Retrieval from a Tokenizer Perspective）：核心洞察是"排序在物品空间找 argmax，召回在 token 空间找 argmax"，把 RQ 量化器嵌进排序模型端到端训练，一次训练同时拿到排序器和召回器。对广告召排一体化有很高的参考价值，尤其是 u2i 交叉特征的 token 级蒸馏方案。
- OPE 日志策略设计（Logging Policy Design for Off-Policy Evaluation）：反过来问"为什么不主动设计产生日志数据的策略"，给出了奖励-覆盖之间的权衡框架。对广告 A/B 实验设计、bid shading 分流策略有直接借鉴意义。
今日趋势
- Semantic ID 正在从研究范式走向工业范式：天猫证明它能扛主力流量，美团证明它能和判别式排序长在一起，两篇论文加上腾讯的 Asymmetric 生成式推荐，共同指向召回与排序边界的重新定义。
- "评估与决策环节本身需要被显式建模"成为新信号——Logging Policy Design、连续处理因果基础模型等多篇工作都在强调：不只是堆模型能力，策略评估和数据采集本身也是可优化的对象。
今日全量 452 篇论文的完整筛选与日报归档：GitHub 日报链接
欢迎在评论区留言交流，尤其想听做搜索广告召回的同学对语义簇 ID 方案的看法。本期内容由 AI 辅助生成并经人工审校，如有疏漏欢迎指正。明天见！
