20260706:新增一些文章

concepts/generative-recommendation.md

@@ -1,38 +1,40 @@
 ---
-title: "生成式推荐 (Generative Recommendation)"
-created: 2026-06-10
-updated: 2026-06-10
+title: "Generative Recommendation"
+created: 2026-06-28
+updated: 2026-06-28
 type: concept
-tags: [recommendation, generative-model, paradigm]
-sources: [raw/papers/onereason-team-onereason-2026.md]
+tags: [recommender-systems, generative-models, llm, semantic-id]
+sources: [GR4AD]
 ---
+# Generative Recommendation
 
-# 生成式推荐 (Generative Recommendation)
+生成式推荐（Generative Recommendation）将推荐系统重构为**端到端生成任务**：通过[[semantic-id|Semantic ID]]将物品编码为离散 token 序列，再用序列模型逐 token 预测下一个物品的 ID，将推荐转化为 next-token prediction。相比传统 DLRM（Deep Learning Recommendation Model）的 embedding-based 检索+排序两阶段架构，生成式推荐具有更强的扩展潜力和模型容量。
 
-> 将推荐任务建模为序列生成问题，用生成式模型直接预测下一个 item 的推荐范式。
+## 核心流程
 
-## 定义
+1. **Tokenization**：将物品（广告创意、商品等）映射为离散的语义 ID 序列——通常是多级层次结构（如 $s_1, s_2, ..., s_T$），每级对应语义空间中的不同粒度簇
+2. **生成**：基于用户上下文 $X$，自回归地生成目标物品的 ID 序列 $P(y|X) = \prod_{t=1}^T P(s_t|X, s_{<t})$
+3. **解码**：将生成的 ID 序列通过索引反向查找对应的物品列表，返回给用户
 
-生成式推荐将推荐重新表述为序列生成：给定用户历史行为序列，模型直接生成下一个推荐 item（以 [[itemic-tokens|itemic token]] 形式）。这与传统推荐（embedding 匹配 + top-K 检索）形成根本差异。
+## 关键挑战
 
-## 核心思想
+在**大规模广告场景**中部署生成式推荐面临三项独特挑战：
 
-- **统一生成框架**：将召回、排序、重排统一为一个端到端生成过程
-- **Scaling 优势**：像 LLM 一样，模型和数据的扩展带来持续性能提升
-- **跨域泛化**：生成式模型天然支持跨域推荐
+1. **广告 Tokenization**：广告创意融合了视频属性、产品细节、B2B 广告主元数据等多模态多粒度信息，且存在转化类型、广告账户等非语义业务信号
+2. **学习范式**：广告推荐优化的是列表级业务目标（eCPM、NDCG），而非逐 item 的分类正确率。LLM 风格的 per-item 监督学习方法不足
+3. **实时服务**：必须在高流量、严格延迟约束下生成多候选高质量列表，不能容忍 LLM 式的长解码延迟
 
-## 代表工作
+## 代表系统
 
-- [[onerec|OneRec 系列]]（快手）：工业级生成式推荐，多业务线部署
-- 在短视频、直播、广告、电商等场景验证
-
-## 核心挑战
-
-- **推理能力缺失**：纯 item token 序列无法支撑 [[chain-of-thought|CoT]] 推理
-- **[[itemic-text-alignment|语义对齐]]**：item token 与自然语言的跨模态对齐
+| 系统 | 关键创新 | 部署规模 |
+|------|---------|---------|
+| TIGER | 分层 RQ-VAE Semantic ID | 学术 |
+| OneRec | 检索+排序统一生成 | 快手 |
+| [[GR4AD]] | UA-SID + LazyAR + RSPO | 快手 4 亿用户 |
+| GPR | 广告生成式检索 | 学术 |
 
 ## 参考
 
-- [[onerec|OneRec]]
-- [[onereason|OneReason]]
-- [[itemic-tokens|Itemic Token]]
+- [[GR4AD]] — Kuaishou 广告生成式推荐系统
+- [[semantic-id|Semantic ID]]
+- [[ua-sid|UA-SID]]