20260617:目前有914 页

concepts/onereason-bench.md

@@ -0,0 +1,43 @@
+---
+title: "OneReason-Bench"
+created: 2026-06-10
+updated: 2026-06-10
+type: concept
+tags: [benchmark, recommendation, reasoning, evaluation]
+sources: [raw/papers/onereason-team-onereason-2026.md]
+---
+
+# OneReason-Bench
+
+> OneReason 提出的推荐推理评测基准，按 R0-R3 四层递进评估生成式推荐模型的推理能力。
+
+## 设计动机
+
+RecIF-Bench (OpenOneRec) 虽然拓宽了推荐基础模型的评估范围，但其推理评估仍是粗粒度的、不够诊断性。OneReason-Bench 将其扩展为多层次推理评测。
+
+## 评测层次
+
+对应 [[perception-cognition-recommendation|R0-R3]] 四层：
+
+| 层次 | 任务类型 | 核心指标 |
+|------|---------|---------|
+| R0: Perception | Item Understanding, Pattern Grounding, Item QA | LLM-as-a-Judge, Pass@K, Accuracy |
+| R1: Derivation | Item2Item 关联 | Accuracy |
+| R2: Evolution | 演化行为选择/主题生成/链生成 | F1, Action-Logic Score |
+| R3: Recommendation | 单域/跨域推荐 | Pass@K, Recall@K |
+
+## 统一任务格式
+
+所有任务形式化为序列生成 Y = F(X)：
+- X：任务指令 + 上下文（itemic pattern、用户画像、交互历史）
+- Y：itemic pattern、答案选项、自然语言响应或结构化演化链
+
+## 角色定位
+
+OneReason-Bench 不仅是排行榜，更是测量协议——在每个开发阶段为设计决策提供依据、监控和验证。
+
+## 参考
+
+- [[onereason|OneReason]]
+- [[perception-cognition-recommendation|感知-认知推荐层次]]
+- [[recommendation-reasoning|推荐推理]]