0
0工业广告系统正在集体把"看起来对"换成"真的有用"——今天这期围绕归因校准、排序架构自动演进和商业化决策对齐三条线，拆解几篇直接部署在 TikTok、腾讯广告、淘宝产线上的重磅论文。
本期重点
- 被归因的，未必是增量的（Attributed, But Not Incremental）：TikTok 全球部署的归因校准工作。不替换现有归因管线，只在外面挂一层"蚕食率校准"，用稀疏增量实验当锚、代理变量做天级外推，上线后多个海外市场蚕食率降了约 15 个百分点。对预算分配和渠道诊断极具参考价值。
- NOVA：验证感知的架构演进 Agent（NOVA: A Verification-Aware Agent Harness）：腾讯广告让 Agent 自动改广告精排架构。核心洞察是"代码能跑 ≠ 模型语义对"，在训练前加一道懂推荐语义的体检拦截静默失败，线上 pCVR 目标拿到 1-2% GMV 提升。
- AIGP：LLM+离线RL+DPO 对齐电商定价：淘宝动态定价框架，用偏好对齐把短期价格决策和长期 GMV/ROI 显式挂钩，给"LLM 落商业化决策"提供了一个可落地范式。
- CHAUN：跨头注意力 Uplift 网络：在 CRITEO-UPLIFT 和 Lazada 数据集上解决未观测混淆下的增量效果建模，用 Cross-Head Attention 建模组间相似性并结合对抗式 IPS 做因果去偏。
今日趋势
- 商业化决策论文集中爆发：归因纠偏、Uplift 因果 debias、长周期 GMV/ROI 对齐定价同日出现，共同指向"业务目标必须是真实增量而非表面相关"。
- Agent 不再只刷推理 benchmark，开始接管工业推荐的研发流水线——从架构搜索（NOVA）到整条迭代闭环（AgentX），工业推荐正进入"Agent 驱动自迭代"阶段。
📎 今日完整日报与论文列表：GitHub 归档
本期内容由 AI 基于当日论文自动生成并经人工审校，如有疏漏欢迎留言指正。也欢迎分享你在归因、Uplift 或模型架构迭代上的实战经验 🙌
