前六篇不断增加生成式推荐的能力：ID 可学习、路径可推理、表示可连续、商品可创造、页面和广告可部署。最后必须停下来问一句：

总体 NDCG 提升，究竟来自一种新能力，还是测试集里恰好有更多适合这种模型的样本？

How Well Does Generative Recommendation Generalize? 不再提出一个更大的生成模型，而是重新切分证据。它比较 Atomic Item ID 模型与 Semantic ID 生成模型，发现两者擅长的不是同一种题。

30 秒看懂本文

1. 常见叙事：SID 共享语义 token，因此能组合已知 token，预测训练中少见或未见的商品转移。
2. 论文的诊断：测试样本应拆成依赖已见转移的“记忆型”和需要组合新路径的“泛化型”。生成模型通常更强于后者，Atomic ID 模型却常在前者占优。
3. 最尖锐的发现：item-level 未见不一定是真泛化。目标商品转移虽然未出现，其组成 token 的局部转移可能已经被大量见过，这仍可能是一种 token-level memorization。

怎样把测试集拆开

考虑训练中出现过：

攀岩鞋 → 防滑粉
泳帽 → 速干毛巾

测试样本是：

攀岩鞋 → 速干毛巾

完整 item transition 从未出现，看起来需要泛化。但若两件商品的 SID 共享 <sport>、<gear> 等 token，模型可能早已见过对应 token transition。

因此至少需要三类样本：

1. Item memorization：完整前项到目标商品的转移在训练中出现；
2. Token composition：完整 item transition 未见，但组成 token 的局部转移已见；
3. Sparse generalization：连关键 token 组合也很少或未见。

若只报告总体 NDCG，三类样本的比例会遮住模型真正的能力结构。

为什么 SASRec 与 TIGER 会互补

Atomic ID 为每件商品保留独立参数。它不擅长把信息迁移到未见商品，却能精确记住高频、稳定的具体转移。

SID 模型共享 token。它牺牲一部分精确记忆，换取跨商品共享统计和组合能力。

可以用两个分数表示：

[ s_{\text{atomic}}(i\mid H_u),\qquad s_{\text{sid}}(i\mid H_u). ]

固定平均并不理想。论文进一步构造与记忆信号相关的自适应融合：

[ s(i\mid H_u)

\alpha(H_u),s_{\text{atomic}} + (1-\alpha(H_u)),s_{\text{sid}}. ]

当请求更像已见转移时，提高 Atomic ID 权重；当请求需要组合时，提高 SID 权重。结论不是谁永久取代谁，而是谁在什么样本上更可信。

这对实验设计意味着什么

以后读生成式推荐论文，至少要问：

• 测试集中多少转移在训练中出现过；
• “冷商品”是 item 未见，还是 token 也未见；
• 随机切分是否泄露未来转移；
• 全量候选与采样候选是否混用；
• 总体提升来自哪个样本桶；
• 模型是否只在某个桶显著更好。

同一个总体指标，可能由完全不同的能力组合得到。模型 A 更会记忆，模型 B 更会组合，如果测试分布改变，排名就可能反转。

它没有证明什么

这篇论文主要围绕代表性的 Atomic ID 与 SID 模型展开，不能自动推广到 DIGER、ContRec、页面级 RL 或工业广告模型。

“组合未见转移”也不等于开放世界泛化。真实系统还会遇到：

• 新商品与新类目；
• 时间漂移和潮流变化；
• 跨市场迁移；
• 价格、库存与政策突变；
• 用户兴趣突然改变。

更严格的评估应把时间、商品新颖度和 token 新颖度同时控制，而不是只看一个未见标签。

第二季的结论

2026 年的生成式推荐不再只有“怎样生成 ID”这一个问题。七篇论文分别把边界向外推：

• DIGER：ID 能否被推荐损失改写；
• CARE：前缀错误怎样层层放大；
• ContRec：离散 SID 是否必要；
• DualFashion：推荐是否能生成商品；
• GenRec：训练单位能否变成整页；
• GR4AD：生成系统怎样进入广告主链路；
• 泛化审计：总体提升究竟来自什么能力。

它们共同给出一个更成熟的判断：

生成式推荐不是一种模型，而是一组关于表示、解码、目标、系统和证据的选择。

第二季到这里结束，但真正值得继续追踪的方向已经出现：动态商品语言、可验证推荐推理、长期反馈、开放世界冷启动，以及 Atomic ID 与生成模型的请求级协作。

上一篇：GR4AD · 返回第二季专题页 · 回到第一季