---
title: "推荐推理 (Recommendation Reasoning)"
created: 2026-06-10
updated: 2026-06-10
type: concept
tags: [recommendation, reasoning, chain-of-thought]
sources: [raw/papers/onereason-team-onereason-2026.md]
---

# 推荐推理 (Recommendation Reasoning)

> 在推荐系统中引入「先思考再推荐」的推理范式，让模型在生成推荐结果前进行显式的逻辑推理。

## 核心挑战

与经典的数学/代码/符号逻辑推理不同，推荐推理具有三个独特性质：

1. **多解性**：推荐允许多个合理答案，非单一正确答案
2. **意图不可观测**：用户真实兴趣永远无法直接观测，只能从行为序列推断
3. **[[abductive-reasoning-recommendation|溯因推理]]**：推荐推理是溯因（Abduction）而非演绎（Deduction）——从行为反推隐含兴趣

## 推理 vs 非推理的意外发现

初步研究（OneRec-Think、OpenOneRec）发现 **thinking mode 并不优于 non-thinking mode**。OneReason 论文将此归因于两个缺失要素：

- **[[perception-cognition-recommendation|Perception (感知)]]** 不足：itemic token 缺乏语义 grounding
- **[[perception-cognition-recommendation|Cognition (认知)]]** 不足：CoT 结构不适合推荐任务

## 推荐 CoT 的理想结构

一个好的推荐 CoT 应该：
1. 从行为序列中选择相关行为作为假设的兴趣点
2. 将兴趣压缩为可解释的偏好
3. 建模兴趣间的时间演化
4. 将推断的偏好状态与推荐 item 关联

## 参考

- [[onereason|OneReason]]
- [[recommendation-cot|推荐 CoT]]
- [[perception-cognition-recommendation|感知-认知推荐层次]]
- [[abductive-reasoning-recommendation|溯因推理 (推荐)]]