# Semantic ID Research Map

| Paper | Track | Key Insight | Related Claims |
|---|---|---|---|
| [2510.11639](2510.11639/report.md) | 推荐系统 — 生成式推荐 | 通过先对齐再激活再强化的课程化训练把 itemic token 嵌入到 LLM 语义空间,使 LLM 能在一个自回归路径里同时生成可读 CoT 与目标 item token,并以 Rollout-Beam reward 解决 GRPO 中的稀疏命中问题。 | 通过先对齐再激活再强化的课程化训练把 itemic token 嵌入到 LLM 语义空间,使 LLM 能在一个自回归路径里同时生成可读 CoT 与目标 item token,并以 Rollout-Beam reward 解决 GRPO 中的稀疏命中问题。<br>**实验覆盖与回避**。学术线只测 Amazon 三个域，序列长度短、品类同质；ReaRec 这种实现"隐式 reasoning"的最强基线已经被打得很开，但本文没和 LLM4Rec 类（LC-Rec、TALLRec 等）做直接对照。工业 A/B 只汇报一周、不到 1.3% 流量，且没有公布 CoT 关闭后的对照（即去掉 reasoning 留下对齐+RL… |
| [2605.06331](2605.06331/report.md) | 推荐系统 — 生成式推荐 | 生成式推荐的自回归 SID 概率连乘等价于在固定解码树上 traversal，共享前缀 → 共享乘积项 → 树邻近 item 概率高度相关，结构性禁止 rank reversal 与非传递相似度；在每条 SID 前 prepend 一个随机采样的 latent token 即可把单棵树扩成森林，让 item 间有效距离随用户动态变化，平均 NDCG@10 提升 3.45% | 生成式推荐的自回归 SID 概率连乘等价于在固定解码树上 traversal，共享前缀 → 共享乘积项 → 树邻近 item 概率高度相关，结构性禁止 rank reversal 与非传递相似度；在每条 SID 前 prepend 一个随机采样的 latent token 即可把单棵树扩成森林，让 item 间有效距离随用户动态变化，平均 NDCG@10… |
| [2605.10207](2605.10207/report.md) | 推荐系统 — 强化学习与优化 | 隐式推理在推荐中不work的根因是SID zero-prior导致semantic grounding失败和representation drift——用两阶段解耦先建语义再推理、用bidirectional KL把隐式hidden state锚定到显式CoT轨迹、再用REINFORCE让模型自适应学习每样本的推理步数，三者缺一不可 | 隐式推理在推荐中不work的根因是SID zero-prior导致semantic grounding失败和representation drift——用两阶段解耦先建语义再推理、用bidirectional KL把隐式hidden state锚定到显式CoT轨迹、再用REINFORCE让模型自适应学习每样本的推理步数，三者缺一不可 |
| [2605.11447](2605.11447/report.md) | 推荐系统 — 生成式推荐 | 把 GR 的『压缩输入』和『token-level 解码』绑定到同一份稀疏 Engram 记忆上——压缩时丢掉的 SID 结构，解码时能从同一张哈希表里取回来。 | 把 GR 的『压缩输入』和『token-level 解码』绑定到同一份稀疏 Engram 记忆上——压缩时丢掉的 SID 结构，解码时能从同一张哈希表里取回来。<br>**实验回避了什么**？(1) 没有和 OneRec、OneTrans 这类**带 external input 的 GR 方法**做端到端对比——只比了 flatten 和 TM 这两个最 weak 的基线；论文虽然在 motivation 里把 external-input 列为对手，但实验里它们没出场，部分原因是公平比较时 ComeIR 的 $\bo… |
| [2605.11553](2605.11553/report.md) | 推荐系统 — 生成式推荐 | 将协同过滤中的 I2I 共现模式转化为自然语言解释注入 LLM，训练出具有 collaborative commonsense 的慢推理模型，并通过 supervised warm-up + RL 训练一个 agent planner 动态决定每条用户序列该用 fast retrieval、ranking 还是 slow reasoning，从而在保持准确率的同时大幅降低平均推理延迟。 | 将协同过滤中的 I2I 共现模式转化为自然语言解释注入 LLM，训练出具有 collaborative commonsense 的慢推理模型，并通过 supervised warm-up + RL 训练一个 agent planner 动态决定每条用户序列该用 fast retrieval、ranking 还是 slow reasoning，从而在保持准确…<br>与同期工作相比，TwiSTAR 的独特定位在于它是第一个在生成式推荐中 learned adaptive reasoning allocation 的工作。OneRec-Think 解决了工业部署的延迟问题（离线预计算），但没有自适应；OxygenRec 有 fast-slow 架构但 routing 靠 heuristic。TwiSTAR 真正把 rou… |
| [2605.12617](2605.12617/report.md) | 推荐系统 — 生成式推荐 | SID 生成的难点几乎都集中在前几个 token；一旦前缀确定，后续分支空间迅速塌缩，因此没必要在每个 beam、每个位置反复跑完整 Transformer decoder，只需一次性读出 user context，再用按位置拆分的 MLP head 蒸馏教师的逐位决策即可。 | SID 生成的难点几乎都集中在前几个 token；一旦前缀确定，后续分支空间迅速塌缩，因此没必要在每个 beam、每个位置反复跑完整 Transformer decoder，只需一次性读出 user context，再用按位置拆分的 MLP head 蒸馏教师的逐位决策即可。 |
| [2605.17648](2605.17648/report.md) | 推荐系统 — 强化学习与优化 | 把『一段 thinking + 一个 SID token』当成 RL 的 action unit，让 reward、advantage、token aggregation 都在这个粒度上对齐，从而修复 outcome-reward GRPO 对结构化输出的信用分配错配。 | 把『一段 thinking + 一个 SID token』当成 RL 的 action unit，让 reward、advantage、token aggregation 都在这个粒度上对齐，从而修复 outcome-reward GRPO 对结构化输出的信用分配错配。 |
| [2605.18771](2605.18771/report.md) | 推荐系统 — 生成式推荐 | 通过平行码本生成用户个性化软指令驱动LLM抽取世界知识,并用Lagrangian primal-dual约束相对reference GR的退化,把不可控的知识融合变成有界优化 | 通过平行码本生成用户个性化软指令驱动LLM抽取世界知识,并用Lagrangian primal-dual约束相对reference GR的退化,把不可控的知识融合变成有界优化<br>**实验覆盖与回避**。亮点是有工业 A/B 与亿级数据集，且消融把每一个声称的设计点都打掉过；回避的是 (i) 与 reference-free 的 RLHF/DPO 风格约束的比较——文章只对比了 fixed-β，没有比 KL/clipping 这类近年常用的 policy constraint；(ii) 真正大规模 LLM (Qwen3-8B 之外的… |
| [2605.23310](2605.23310/report.md) | 推荐系统 — 生成式推荐 | 用高碰撞率RQ-VAE构造语义簇作为head-tail桥梁，配合stop-gradient非对称InfoNCE让知识只从head流向tail而不让tail噪声污染head表示。 | 用高碰撞率RQ-VAE构造语义簇作为head-tail桥梁，配合stop-gradient非对称InfoNCE让知识只从head流向tail而不让tail噪声污染head表示。<br>**实验覆盖与回避**：强项是真实工业规模 + 线上 A/B + head/tail 分桶，可信度高。但回避了几点：(1) 全部实验只在天猫单一数据集，没有公开数据集复现，外部难验证；(2) 没有对 $\lambda_1, \lambda_2$ 这对决定迁移不对称强度的关键超参做敏感性分析——而这正是全文最核心的设计；(3) 离线 AUC 绝对增益 0.3… |
| [2605.23312](2605.23312/report.md) | 推荐系统 — 生成式推荐 | scaling 的收益高度任务相关，需用 offset scaling law 诊断剩余空间，并分别用高效解码、MTP 和语义塔解决重复训练成本、缓存服务标签陈旧和冷启动三大生产瓶颈，才能让预训练增益真正 transfer 到下游 | scaling 的收益高度任务相关，需用 offset scaling law 诊断剩余空间，并分别用高效解码、MTP 和语义塔解决重复训练成本、缓存服务标签陈旧和冷启动三大生产瓶颈，才能让预训练增益真正 transfer 到下游<br>**实验覆盖了什么、回避了什么**：FLOPs 降低是**解析估计而非端到端实测**，论文诚实地多次声明这一点——所以 35.5×/249× 这些数字反映的是输出层理论成本，不能直接读作训练墙钟时间的加速。影子评估衡量的是表示质量的广度而非单点因果增益，真正的产品 lift 只用一句"多个 A/B 已有正向结果"带过，没有给数字。冷启动评估也只报了一个聚合… |
| [2605.25330](2605.25330/report.md) | 推荐系统 — 生成式推荐 | SID级匹配只在零碰撞时等价于item级推荐；tokenizer压缩使相似item共享SID（碰撞率达30.5%），令标准Hit@K系统性虚高并翻转tokenizer排名，需用碰撞折算指标CCE或零碰撞重分配ZCR来忠实评测。 | SID级匹配只在零碰撞时等价于item级推荐；tokenizer压缩使相似item共享SID（碰撞率达30.5%），令标准Hit@K系统性虚高并翻转tokenizer排名，需用碰撞折算指标CCE或零碰撞重分配ZCR来忠实评测。<br>**实验覆盖与回避**。覆盖了 4 个域、5 个 tokenizer、3 个种子，控制变量做得干净。但都是公开 Amazon/Yelp 数据 + 单一 T5 生成器架构——作者自己承认虚高幅度和排名翻转在更大的工业数据集上可能不同。另外 QuaSID 是作者自己照论文复现的（官方未开源），MQL4GRec 用官方 tokenizer 实现，这些复现差异是潜… |
| [2606.06260](2606.06260/report.md) | 推荐系统 — 生成式推荐 | 通过四粒度对齐预训练强化 itemic token 的语义感知，配合 Persona-Expansion-Inference 三段式 CoT 与 specialize-then-unify 的 RL 路线，让推荐生成模型的 thinking 模式首次稳定超越 non-thinking 模式。 | 通过四粒度对齐预训练强化 itemic token 的语义感知，配合 Persona-Expansion-Inference 三段式 CoT 与 specialize-then-unify 的 RL 路线，让推荐生成模型的 thinking 模式首次稳定超越 non-thinking 模式。<br>**实验覆盖了什么、回避了什么。** 论文里实验覆盖面在生成式推荐里属于罕见的扎实：四个域 × R0/R1/R2/R3 × thinking/non-thinking × 多个 K，外加 LLM zero-shot 对照、ID-based 对照、LC-Rec PT/SFT 拆分。但有几处主动留白值得追问——文中明确说 "我们只展示了 CoT 监督对 non… |
| [2606.07546](2606.07546/report.md) | 推荐系统 — 生成式推荐 | 把 RQ-VAE 的层级 SID 截断到 Bi-gram (c1,c2) 让序列侧词表 bounded，再用零参数 Temporal Folding 把 k 个相邻 token 沿 channel 维 concat 成 super-token——既消除嵌入表的语料级膨胀，又把 attention 的 O(L^2) 折成 O((L/k)^2)，让工业级 L=2000 端到端建模可行。 | 把 RQ-VAE 的层级 SID 截断到 Bi-gram (c1,c2) 让序列侧词表 bounded，再用零参数 Temporal Folding 把 k 个相邻 token 沿 channel 维 concat 成 super-token——既消除嵌入表的语料级膨胀，又把 attention 的 O(L^2) 折成 O((L/k)^2)，让工业级 L=…<br>**实验覆盖与回避**。论文把工业系统三大问题（表示、效率、最终业务）都给了数字，且 Pareto 区分得很清楚。但回避了几件事：(1) 没给 SID 与 Video ID 在**相同序列长度**下的 AUC 直接比较，最终 A/B 是「SID + L=2000 + 加大模型」对「Video ID + L=800」的整体差，无法剥离 SID 本身的 AUC… |
| [2606.08480](2606.08480/report.md) | 推荐系统 — 生成式推荐 | AdaGRPO 通过策略侧困难度与奖励侧可判别性两个 rollout 排序诊断，只在策略需要帮助且生产排序器局部可信的样本上准入 GRPO，从而避免曝光偏置 reward model 的噪声梯度破坏生成式推荐。 | AdaGRPO 通过策略侧困难度与奖励侧可判别性两个 rollout 排序诊断，只在策略需要帮助且生产排序器局部可信的样本上准入 GRPO，从而避免曝光偏置 reward model 的噪声梯度破坏生成式推荐。<br>AdaGRPO 的优点是把一个工业常见但常被忽略的问题形式化了：生产 ranker 不是 verifier，它在不同样本/候选区域的可信度不同。相比简单调小 λ 或做固定 NLL+GRPO 混合，样本级 clip 更贴近噪声的异质性，而且保留 NLL 对所有样本的监督锚点，避免把被剪样本直接丢弃。 |
| [2606.14142](2606.14142/report.md) | 推荐系统 — 生成式推荐 | SID 生成式推荐中，自然语言 rationale 与 SID token 空间弱耦合会削弱显式 CoT，而经过 CPT 预训练的 token 能把推理变成直接服务 SID 预测的 latent computation。 | SID 生成式推荐中，自然语言 rationale 与 SID token 空间弱耦合会削弱显式 CoT，而经过 CPT 预训练的 token 能把推理变成直接服务 SID 预测的 latent computation。<br>这篇论文最有价值的部分不是提出“加几个 pause token”，而是把推荐里的 CoT failure 拆成可诊断的接口问题。很多 LLM 推荐论文默认“显式思考 trace + RL”就是 reasoning，但这篇指出在 SID 输出设置下，自然语言 trace 和最终目标 token 空间可能严重错配：模型说出一个看似合理的理由，未必能稳定提高正确… |
| [2606.14260](2606.14260/report.md) | 推荐系统 — 生成式推荐 | 将相对时间显式注入 Semantic ID 学习并用并行量化解耦时间-文本 facet，使生成式推荐的离散目标 token 本身携带动态交互语义。 | 将相对时间显式注入 Semantic ID 学习并用并行量化解耦时间-文本 facet，使生成式推荐的离散目标 token 本身携带动态交互语义。<br>实验覆盖了推荐领域常见的 top-K next-item 指标和多个数据集，也特别强调避免未来信息泄漏，这是该工作的优点。不过，论文仍主要停留在离线评估；没有展示线上延迟、码本更新成本、冷启动新物品在生产系统中的 SID 生成策略，以及时间粒度选择对大规模服务的影响。尤其是如果 SID 随 interaction time 变化，同一物品可能对应多个时间相… |
| [2606.19635](2606.19635/report.md) | 推荐系统 — 生成式推荐 | Token Factory 将传统推荐特征直接投影为 LRM embedding space 中的 soft tokens，从而在固定 token budget 内保留异构信号并避免文本化 prompt 膨胀。 | Token Factory 将传统推荐特征直接投影为 LRM embedding space 中的 soft tokens，从而在固定 token budget 内保留异构信号并避免文本化 prompt 膨胀。<br>局限也很明确。第一，论文主要报告生产内部数据和 PLUM / YouTube 场景，外部复现难度高，公开 benchmark 证据不足。第二，Token Maker 引入随机初始化参数，早期训练会落后文本 baseline；如果数据量、训练步数或 feature logging 质量不足，soft-token 对齐可能失败。第三，soft tokens 不… |
| [2606.20554](2606.20554/report.md) | 推荐系统 — 生成式推荐 | G2Rec 将全局 item-item co-engagement 图离线压缩为可软分配的兴趣原型和连续 profile token，使生成式推荐模型在接近 item-only 的在线成本下获得全局协同行为上下文。 | G2Rec 将全局 item-item co-engagement 图离线压缩为可软分配的兴趣原型和连续 profile token，使生成式推荐模型在接近 item-only 的在线成本下获得全局协同行为上下文。<br>这篇论文最有价值的部分在于把推荐系统中的 graph signal 重新表述为生成式模型可消费的 tokenization 问题。它没有要求生成模型理解大图，也没有把用户节点长期嵌入作为在线依赖，而是将全局 co-engagement 结构离线压缩成 item-level interest profile。这对工业系统尤其合理：item 相对用户更稳定，用… |
| [2606.25147](2606.25147/report.md) | 推荐系统 — 生成式推荐 | 通过共享 SID 词表的 encoder-decoder 同时生成离散 user tokens 和 dense embedding，可以在保持工业系统兼容性的同时提升用户表示的结构化表达能力，并把跨长短视频场景的联合建模转化为可部署的效率收益。 | 通过共享 SID 词表的 encoder-decoder 同时生成离散 user tokens 和 dense embedding，可以在保持工业系统兼容性的同时提升用户表示的结构化表达能力，并把跨长短视频场景的联合建模转化为可部署的效率收益。 |
| [2606.27684](2606.27684/report.md) | 推荐系统 — 生成式推荐 | 与其盲目增加latent reasoning步数，不如先用候选集构造与目标物品对齐的intuition embedding来重写初始latent state；更好的起点比更长的无约束推理链更关键。 | 与其盲目增加latent reasoning步数，不如先用候选集构造与目标物品对齐的intuition embedding来重写初始latent state；更好的起点比更长的无约束推理链更关键。<br>这篇论文最有价值的地方，是它把 latent reasoning 推荐里的一个常见模糊想法——“让模型多想一点”——具体化成了一个更可操作的问题：**模型应该从哪里开始想？** |
| [2606.31693](2606.31693/report.md) | 推荐系统 — 生成式推荐 | 把语义ID从候选召回标签提升为模型可操作的商品语言，使同一个基础模型能在多轮购物场景中直接完成计划、商品空间执行、解释与状态更新，从而减少工具接口造成的信息损失。 | 把语义ID从候选召回标签提升为模型可操作的商品语言，使同一个基础模型能在多轮购物场景中直接完成计划、商品空间执行、解释与状态更新，从而减少工具接口造成的信息损失。 |
| [2606.31984](2606.31984/report.md) | 推荐系统 — 检索与重排序 | 核心在于先用语义ID和教师推理把商品语义与排序思维装进学生LLM，再用面向多正例重排序的可验证奖励与OPD/二次RL把这套推理压缩成可部署的高ROI策略。 | 核心在于先用语义ID和教师推理把商品语义与排序思维装进学生LLM，再用面向多正例重排序的可验证奖励与OPD/二次RL把这套推理压缩成可部署的高ROI策略。<br>这篇论文最值得肯定的地方，是它没有把“LLM 做推荐”停留在一个抽象叙事上，而是把问题收缩到工业 re-ranking，并围绕这个具体场景重写了表示、训练、奖励和部署链路。对同行来说，最大的启发不是某个单独模块，而是作者对系统瓶颈的拆分：语义可表示性、reasoning activation、reward anti-hacking、以及服务成本控制，缺一不… |