跳转至

2026 年历史论文扫描与实现（截至 2026-08-24）

本轮已按用户要求把冻结时间窗扩大为 2026-01-01 至 2026-08-24，同时扫描工业搜广推与 LLM 应用、基础模型、LLM 后训练和 Agent 四条研究线。候选发现使用项目的多查询矩阵、 跨来源配置和 canonical arXiv ID 去重；工业论文继续执行“量化线上 A/B 或明确全流量 部署”的硬门槛，Google / Meta 机构反查优先于其他来源。

完整结果分成两层：

可复现扫描

四条研究线分别执行：

PYTHONPATH=src python scripts/discover_papers.py \
  --track <recommendation|foundation-model|post-training|agent> \
  --date-from 2026-01-01 \
  --date-to 2026-08-24 \
  --page-size 50 \
  --maximum-results-per-query 200 \
  --cross-source-config configs/paper-discovery-sources.json \
  --output paper-candidates.json

高召回候选池的原始规模如下。这里的“候选”只是关键词或来源命中，不等于已满足 收录门槛；尤其基础模型、后训练和 Agent 的宽查询会召回大量相邻工作。

研究线 原始去重候选 新候选 需全文审查
工业搜广推与 LLM 应用 716 627 237
基础模型 1,319 1,303 42
LLM 后训练 1,121 1,092 73
Agent 1,245 1,221 57

四条检索链路合计命中 4,401 次；按 arXiv ID 跨领域去重后是 4,050 篇，其中 3,906 篇尚未在仓库关闭，404 篇进入全文审查。这里明确区分“检索命中”和“符合实现标准”。

B00 首批全文核验并实现

研究线 论文 入选依据 本地结论
工业搜广推 OneModel 小红书三个生产场景均披露量化 A/B MovieLens-1M 上场景化简化实现未超过共享序列基线，负结果已保留
基础模型 RARE MoE 表征编辑与路由解耦机制明确、可独立验证 路由一致率从 82.37% 提升到 100%，同时保持目标 steering 强度
LLM 后训练 GCPO rollout RL 的子空间诊断与约束，可组合进 evolve 固定算术任务代理实验最终准确率 63.28%，主方向重合移除 99.56%
Agent AUSO 动作级 JSD 驱动技能内化、探索和利用，官方代码公开 PlanBench mini-suite 成功率持平时上下文成本下降 9.09%
工业搜广推 ClockRoPE YouTube / Google DeepMind 正文披露量化线上 A/B MovieLens-100K NDCG@10 相对 -2.30%，负结果保留
工业搜广推 OneShot Meta / Instagram 全流量部署并披露线上指标 MovieLens-100K NDCG@10 相对 -7.70%，负结果保留
工业搜广推 NEXT Meta 约一亿用户多周 A/B MovieLens-1M NDCG@10 相对 +20.33%（单种子诊断）
Agent AgentX Kuaishou 三周生产自迭代闭环 PlanBench-mini 12 次完整闭环、108 次知识复用

每篇详情页均保存论文信息、原作者代码状态、本地 adapter/方法路径、原文关键图、 公式、论文指标、固定本地指标和复现边界。OneModel 的公开数据结果没有因低于基线而被 隐藏；这也是本轮区分“实现了论文机制”和“复现了生产收益”的关键样例。

Google / Meta 优先反查

本轮机构优先查询额外命中 2608.18531、2608.15780 和 2608.15424。阅读全文或主题 核验后，它们不属于满足当前工业搜广推线上证据门槛的新论文，因此未进入实现队列。 摘要是否出现 A/B 没有被用作拒绝条件。

后续固定批次

B01–B06 依次实现工业生成推荐、多模态、搜索、广告、混排、长期价值和 Semantic ID；B07 实现基础模型架构、长上下文、KV cache 与 A/B/n 评测设施；B08–B09 实现 OPD、rubric、 外部 rollout 与多奖励 RL；B10–B11 实现 Agentic RL、长时序 credit、记忆、工具规划和 自进化。每一批的确切论文 ID 已冻结在批次清单。

这不意味着其余 331 个全文候选已被拒绝：它们保留为 fulltext-review-backlog，后续必须 写入有证据的拒绝/延期理由或晋级新的固定批次。B01–B11 及该 backlog 全部关闭后，下一轮 才恢复“只看最近日期”的增量扫描。