К содержанию
Олег НагорныйRecSys2026

Каталог

Найдено: 37 из 269 · теги в строках тоже фильтруют

Только в Zotero 269
Темы в текущей выборке · полоса — работы с тегом из 37 найденных, риска — весь корпус
Генеративные рекомендации 37Последовательные рекомендации 8Языковые модели и агенты 3Коллаборативные модели 6Оценка и причинность 2Объяснения и контроль 3Промышленные системы 16Кросс-домен и мультимодальность 8Реклама и рекомендации 0
Генерация и семантические кодыСбросить фильтры

  1. Addressing Cross-Stage Decoupling of Semantic and Collaborative Signals in Generative Recommendation

    Токенизатор получает текстовые описания коллаборативных соседей товара. Связь семантических и поведенческих сигналов поддерживается между стадиями генеративной рекомендации.

    Kuaishou Technology

    #Генеративные рекомендации#Коллаборативные модели

    Публикация конференцииZotero ↗

  2. Beyond Fixed Depths and Widths: Optimizing Textual Decoding Tries in LLM-based Generative Recommendation (BONSAI)

    BONSAI совместно строит текстовые идентификаторы и дерево допустимого декодирования. Переменная глубина и ограниченное ветвление облегчают поиск кандидатов.

    Michigan State University, Snap

    #Генеративные рекомендации#Языковые модели и агенты

    Публикация конференцииZotero ↗

  3. Coarse-to-Fine Long-term Interest Modeling for Generative Recommendation

    Длинная история агрегируется на грубом уровне семантических кодов. При генерации детальных кодов используется более адресная информация об интересах.

    Tsinghua University, Beijing University of Posts and Telecommunications +1

    #Генеративные рекомендации#Последовательные рекомендации

    Публикация конференцииZotero ↗

  4. DPGFlow: Decoupled Preference Guided Flow Matching for Cross Domain Sequential Recommendation

    Междоменный энкодер разделяет общие и специфичные предпочтения. Flow matching ведёт общее представление к целевому товару под управлением доменного сигнала.

    University of New South Wales, Macquarie University +2

    #Генеративные рекомендации#Кросс-домен и мультимодальность#Последовательные рекомендации

    Публикация конференцииZotero ↗

  5. DPGR: Dual-Domain Spatiotemporal Generative Retrieval for Intent-Aware Local Life Service Recommendation

    DPGR объединяет контентные и географические события в контекстную историю. Генератор предсказывает намерения, под которые формируются отдельные retrieval-запросы.

    Meituan

    #Генеративные рекомендации#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  6. Empowering Cross-Domain Sequential Recommendation with Hybrid Tokenization and Serial-Parallel Decoding

    Общие и доменно-специфичные кодбуки задают иерархические идентификаторы товаров. Общие коды декодируются последовательно, а детальные доменные коды параллельно.

    City University of Hong Kong, ByteDance

    #Генеративные рекомендации#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  7. Generating Personalized Images for Sparse-Interaction Users with Uncertainty-Aware Retrieval and Dense Knowledge Guidance

    UDSIG подбирает визуальные референсы по семантической близости и предпочтениям пользователя. Генератор изображений обучается с подсказками учителя, располагающего более полной историей.

    Hong Kong University of Science and Technology (Guangzhou), The 63rd Research Institute +5

    #Кросс-домен и мультимодальность#Генеративные рекомендации

    Публикация конференцииZotero ↗

  8. Give the Long-tail More SPACE: Promoting Provider Fairness in Next POI Recommendation

    SPACE генерирует виртуальные взаимодействия с хвостовыми географическими объектами. Условная генерация учитывает сообщества предпочтений и приближения физических ограничений.

    Southeast University, Hong Kong Baptist University

    #Объяснения и контроль#Кросс-домен и мультимодальность#Генеративные рекомендации

    Публикация конференцииZotero ↗

  9. CoFiRec: Coarse-to-Fine Tokenization for Generative Recommendation

    CoFiRec квантует атрибуты товара по явно заданной иерархии. Коллаборативный код завершает последовательную генерацию семантических уровней.

    University of Illinois Urbana-Champaign, Meta Platforms, Inc. +1

    #Генеративные рекомендации#Коллаборативные модели

    Публикация конференцииZotero ↗

  10. MaskPoison: Intent-Guided Poisoning Attacks on Sequential Recommendation via Masked Discrete Diffusion

    MaskPoison исследует отравление историй через условную маскированную диффузию. Двусторонний контекст делает синтетические последовательности поведенчески согласованными.

    Shanghai University of Finance and Economics, Fudan University +1

    #Объяснения и контроль#Генеративные рекомендации#Последовательные рекомендации

    Публикация конференцииZotero ↗

  11. Not All Branches Are Equal: Adaptive Semantic ID Construction for Generative Recommendation

    Адаптивное дерево строит семантические идентификаторы иерархической кластеризацией. Ветвление подбирается с учётом локальной структуры эмбеддингов.

    Ben-Gurion University of the Negev

    #Генеративные рекомендации

    Публикация конференцииZotero ↗

  12. SAGE: Sequence-level Adaptive Gradient Evolution for Generative Recommendation

    SAGE адаптирует отсечение градиента при обучении генератора рекомендательных списков. Управление учитывает контекст и награды уровня последовательности.

    Xiaohongshu

    #Генеративные рекомендации#Промышленные системы

    Публикация конференцииZotero ↗

  13. Topology-Aware Tokenization for Generative Recommendation

    TopoTok дистиллирует соседство исходных представлений в уровни квантования. Разные лоссы сохраняют межгрупповую, внутригрупповую и товарную структуру.

    University of Illinois Urbana-Champaign

    #Генеративные рекомендации#Коллаборативные модели

    Публикация конференцииZotero ↗

  14. UniRec: A Unified Expressive-Aligned Generative Recommendation Framework for E-commerce

    UniRec генерирует цепочку атрибутов перед семантическим идентификатором. Балансировка кодов и контекст сценария дополняют декодирование.

    Shopee

    #Генеративные рекомендации#Промышленные системы

    Публикация конференцииZotero ↗

  15. Beyond Index-Only RoPE: Integrating Time and Order for Generative Recommendation

    TO-RoPE включает время события и порядковую позицию в вращения query и key. Варианты разделения частот позволяют сочетать временные интервалы с порядком.

    Roblox, University of Maryland

    #Последовательные рекомендации#Генеративные рекомендации

    Публикация конференцииZotero ↗

  16. Distribution-Level Contrastive Supervision for Generative Recommendation

    SODA превращает близость товара к кодовым словам в мягкие распределения. Контрастивное согласование передаёт этот сигнал представлению истории без изменения декодера.

    University of Science and Technology of China, Upwork +2

    #Генеративные рекомендации#Коллаборативные модели

    Публикация конференцииZotero ↗

  17. Dual Conditional Diffusion for Generative Cross-Domain Recommendation via Disentangled Knowledge Transfer

    DCD-XRec обучает условную диффузию переносить пользовательские представления между доменами с общими пользователями. Реальные цели другого домена дополняются искусственными гибридами общих и частных компонент.

    Indian Institute of Technology, Guwahati, Meesho

    #Генеративные рекомендации#Кросс-домен и мультимодальность#Коллаборативные модели

    Публикация конференцииZotero ↗

  18. Codebook-Based Semantic IDs in Generative Recommendation: Enabling Interface, Emerging Bottleneck

    Работа разбирает конфликты между квантованием, обучением и поиском по семантическим кодам. Аудит базовых моделей проверяет, какие преимущества действительно связаны с интерфейсом SID.

    AXXX (не раскрыто в источнике), AI Center +1

    #Генеративные рекомендации#Оценка и причинность

    Публикация конференцииZotero ↗

  19. A Unified Generative Re-ranking Framework with Adaptive Multi-objective Fusion

    MAMGR делит адаптивные пользовательские веса целей между генератором перестановок и оценщиком списков. Общий контекст сочетает локальные свёртки с моделированием длинных зависимостей.

    Ant Group

    #Генеративные рекомендации#Промышленные системы#Последовательные рекомендации

    Публикация конференцииZotero ↗

  20. FLUID: From Ephemeral IDs to Multimodal Semantic Codes for Billion-Scale Livestreaming Recommendation

    FLUID кодирует эфемерные трансляции общим мультимодальным энкодером и семантическими кодами. Представления интегрируются в ранкер через согласованное квантование и обучение.

    TikTok, ByteDance

    #Промышленные системы#Генеративные рекомендации#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  21. GenPage: Towards End-to-End Generative Homepage Construction at Netflix

    GenPage авторегрессионно создаёт ряды и объекты домашней страницы. При продолжении выдачи контекст дополняется уже показанным и новыми действиями.

    Netflix

    #Генеративные рекомендации#Промышленные системы

    Публикация конференцииZotero ↗

  22. Guess Where You Go: Generative Next Point-of-Interest Recommendation in Amap

    GWhere объединяет текст, изображения, пространственные и поведенческие признаки в токенизаторе. Генератор семантических кодов адаптируется к следующему географическому выбору.

    AMAP

    #Генеративные рекомендации#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  23. Hypothesis-Driven Shelf Generation for Personalised Recommendation

    Языковая модель формулирует персональную гипотезу тематической полки. Ограниченный каталогом генеративный retrieval исполняет её и согласует объекты с замыслом.

    Spotify

    #Языковые модели и агенты#Генеративные рекомендации#Промышленные системы

    Публикация конференцииZotero ↗

  24. MDGR: Masked Diffusion Generative Recommendation

    MDGR использует параллельные коды и маскированную дискретную диффузию. Декодирование начинается с уверенных одиночных позиций и затем заполняет коды параллельно.

    Alibaba International Digital Commerce Group, Wuhan University

    #Генеративные рекомендации#Промышленные системы

    Публикация конференцииZotero ↗

  25. NextGen: A Multi-Objective Generative Re-ranking Framework for Taobao Recommendation

    NextGen кодирует пользователя и готовый пул кандидатов с upstream-сигналами. Авторегрессионный декодер собирает список, учитывая уже выбранный префикс и разные цели.

    Taobao & Tmall Group of Alibaba

    #Генеративные рекомендации#Промышленные системы

    Публикация конференцииZotero ↗

  26. PLAIN: An Explainable Generative Search System Enhanced by Multi-granularity Semantic Alignment

    PLAIN задаёт ранним кодам таксономический смысл, а поздним — метаданные и различение экземпляров. Синтетическая supervision согласует запрос с уровнями семантического поиска.

    Kuaishou Technology

    #Генеративные рекомендации#Промышленные системы

    Публикация конференцииZotero ↗

  27. PROMISE: Process Reward Models Unlock Test-Time Scaling Laws in Generative Recommendations

    PROMISE оценивает промежуточные префиксы семантических кодов лёгкой reward-моделью. Beam search отсекает слабые ветви до завершения идентификатора.

    Kuaishou Technology

    #Генеративные рекомендации#Промышленные системы

    Публикация конференцииZotero ↗

  28. Sample Is Feature: Beyond Item-Level, Toward Sample-Level Tokens for Unified Large Recommender Models

    Sample Is Feature квантует снимок пользовательских, товарных и контекстных признаков события. История состоит из токенов взаимодействий, а не только ссылок на товары.

    Meituan

    #Промышленные системы#Генеративные рекомендации#Последовательные рекомендации

    Публикация конференцииZotero ↗

  29. Structuring and Tokenizing Distributed User Interest Context for Generative Recommendation

    Метод строит разреженный граф совместного потребления как схему интересов. Структура графа используется для организации и токенизации пользовательского контекста.

    University of Illinois Urbana-Champaign, Meta Platforms, Inc.

    #Генеративные рекомендации#Коллаборативные модели

    Публикация конференцииZotero ↗

  30. Tokens are All You Need: Dual-purpose Semantic IDs for Achieving LLM-Level I/O Efficiency in Recommendation Systems (SiDec)

    SiDec использует одни семантические токены как коллаборативные признаки и источник реконструкции контентного вектора. Лёгкий декодер восстанавливает плотную информацию внутри ранкера.

    Google, Google DeepMind

    #Промышленные системы#Генеративные рекомендации

    Публикация конференцииZotero ↗

  31. Towards Generalizable and Efficient Large-Scale Generative Recommenders

    Работа сочетает масштабирование генератора с предсказанием множества будущих ценных действий. Семантические ветви и маскирование ID поддерживают обобщение на новые тайтлы.

    Netflix Research

    #Генеративные рекомендации#Промышленные системы#Последовательные рекомендации

    Публикация конференцииZotero ↗

  32. UNIQUE: A Unified Retrieval and Ranking System for Large-Scale Feed Recommendation

    UNIQUE обучает плоские коды на признаках объектов и многозадачной поведенческой обратной связи. Общее представление связывает retrieval с последующим ранжированием.

    Beihang University, Baidu Inc. +2

    #Генеративные рекомендации#Промышленные системы

    Публикация конференцииZotero ↗

  33. UniPinRec: Unifying Generative Retrieval and Ranking at Pinterest Scale

    UniPinRec объединяет retrieval и ranking на общем последовательном backbone. Совместные представления и задачи обучения дополняются оптимизацией развёртывания.

    Pinterest

    #Промышленные системы#Генеративные рекомендации#Последовательные рекомендации

    Публикация конференцииZotero ↗

  34. CoSID: Concept-Conditioned Semantic-ID Decoding for Efficient Generative Recommendation

    CoSID однократно сжимает историю в пользовательский концепт. Лёгкий дистиллированный декодер ведёт поиск по SID без повторного обращения к тяжёлому backbone.

    AXXX (не раскрыто в источнике), AI Center +2

    #Генеративные рекомендации#Промышленные системы

    Публикация конференцииZotero ↗

  35. Do SID Alignments Help Generative Recommendation? A Research and Practice Note on OpenOneRec Diagnostics

    Диагностика OpenOneRec проверяет соответствие SID языковым представлениям. Контролируемое сравнение меняет инициализацию кодов при одинаковой задаче SID-to-SID.

    Tsinghua University

    #Генеративные рекомендации#Языковые модели и агенты#Оценка и причинность

    Публикация конференцииZotero ↗

  36. Don't Waste the Last Token: A Quantizer-Agnostic Quality Boost from Semantic ID Collision Resolution

    Работа сравнивает способы назначения последнего токена для разрешения SID-коллизий. Токенизатор, генератор и длина кода удерживаются фиксированными.

    Sber AI Lab, AI Center +1

    #Генеративные рекомендации

    Публикация конференцииZotero ↗

  37. PCP-Decoding: Training-Free Personalized Category-Relative Popularity Calibration for Generative Retrieval

    PCP-Decoding нормирует популярность внутри категорий и переносит её на префиксы дерева. Персональная поправка меняет beam search без переобучения генератора.

    Zhejiang University, JD.com

    #Объяснения и контроль#Генеративные рекомендации

    Публикация конференцииZotero ↗

RecSys2026

Разборы работ RecSys 2026 · обновлено 2026-10-16.