0
0推荐系统的基础单元正在被悄悄重写——被推荐的对象、召回的方式、用户的表示，三块地基同一天被三家头部公司同时动刀。这期我们深入拆解两篇带线上A/B验证的工业级论文，并串联今天的整体趋势。
本期重点
- 推荐即生成（Recommendation as Generation）：快手把广告推荐从"选素材"改写为"按需生成视频"，用解耦语义ID串联兴趣预测与AIGC视频生成，广告收入A/B提升1.87%。最值得借鉴的不是视频生成本身，而是那套"内容+创意"双路离散ID——哪怕不做AIGC，这套ID设计今天就能试。
- 极端元分类（Extreme Meta-Classification for Large-Scale Zero-Shot Retrieval）：微软解决新广告冷启动召回难题——新广告上线不用从零学，而是向相似老广告"借分类器"，单层Transformer毫秒级合成，搜索广告CTR线上涨4.2%。对已有双塔/XC召回栈几乎零侵入。
- 用户token化（TokenMinds）：YouTube用预训练离散用户token替代固定维度稠密向量，与前两篇构成完整拼图——分别重写了"被推荐的东西""召回方式""用户表示"三个基础单元。
- BitNet Text Embeddings：低比特量化下推到文本嵌入层，与用户token化互补——一个在语义粒度做离散化增强表达，一个在比特宽度做压缩降低成本，管亿级向量索引的团队两条路都值得关注。
今日趋势
- 今日300篇论文中，表示学习与检索排序88篇，重心从纯embedding转向生成式推荐、零样本召回、用户token化等链路改造，"生成式+离散化"成为下一代推荐架构的共识方向。
- Agent与多智能体55篇继续抬升，关注点从能力评测转向系统级压缩、合规审计、工具调度等结构化议题，"系统级效率"正在取代单模型指标成为新焦点。
欢迎在评论区留言交流你对"生成式推荐"和"新广告冷启动"的看法。本期内容由 AI 基于当日论文自动生成，详细日报见归档：GitHub 日报链接。
