2026-08-26 最新论文增量扫描¶
本轮扫描覆盖 arXiv 在 2026-08-26 展示的新提交。对 cs.AI、cs.LG、cs.CL、
cs.IR 和 cs.CV 去重后共有 363 篇。流程先对全部元数据做关键词与语义召回，
再对高优先候选读取 HTML/PDF 全文；Google / Meta 另做机构反查，摘要没有写 A/B
不会成为拒绝理由。
本轮实现¶
| 领域 | 论文 | 机构 | 选择理由 |
|---|---|---|---|
| 工业推荐 | TAGR | Kuaishou | 正文报告 LRE +8.5%、SCC +7.4%、Revenue +16.1% 的生产 A/B |
| 多模态基础模型 | WeMM-Embedding | WeChat / Tencent | 两阶段多模态 embedding，14 项线上 A/B 后全量发布，并公开权重与代码 |
| LLM 后训练 | OPDSearch+ | UCAS | 把搜索证据注入 on-policy distillation，再用 RL 闭环修正 |
| LLM 后训练 | OPDVR | Tsinghua LeapLab | 用可验证奖励门控 token 级 on-policy distillation |
| Agent | SPO++ | Renmin University | 异步 Agent RL 的事件时刻 value 冻结与 token measure 校正 |
| Agent | SkillForge | AMAP / Alibaba | 自动创建、验证、复用并修订显式技能 |
| Agent | AHEAD | AWS AI Labs / Purdue | 用环境反馈和纠错提示形成稠密训练轨迹 |
| Agent | SMITH | Appier / NTU | 通过 schema、代码和执行结果三轴验证自改进工具 |
八篇均提供论文特有实现、固定指标、原文关键图、中文详情页和 evolve mutation。 本地实验为公开数据或确定性 mini-suite 的机制验证，不冒充论文规模复现。
工业线上证据审查¶
- TAGR 通过：正文 §4.3 / Table 1 给出同一生产下游栈上的多周 A/B，且三项 线上指标均量化。
- WeMM-Embedding 进入基础模型线：论文说明 14 项线上 A/B 的收益已全量发布； 报告没有公开具体幅度，因此不把它写成量化工业推荐 A/B。
- RecGPT-Mobile-V2（2608.24295）拒绝进入工业实现队列：全文讨论部署管线和 检索分析，但没有找到量化生产 A/B 或明确全流量上线证据。
- Intuit production recommender migration（2608.24132）拒绝：属于生产迁移 case study，但结果是固定人群离线评估，没有生产线上实验。
- Native Multimodal Representation Learning for CTR（2608.24091）拒绝、 RetrievalFormer（2608.24079）拒绝、Tlow（2608.24176）拒绝：均未通过 工业线上证据门槛。
本轮 Google / Meta 机构反查没有发现新的、同时满足主题范围与正文线上证据门槛的论文； 这表示“本日新批次没有通过项”，不表示后续无需继续反查。
本地结果边界¶
- TAGR 在 MovieLens-1M 的 NDCG@10 从
0.11227降到0.08212（-26.86%）， 但 head share@10 从0.7275降到0.1303。这说明语义 ID 机制显著增加长尾覆盖， 在该小型公开数据与当前超参数下没有换来排序收益。 - WeMM 两阶段对齐把 Recall@10 从
0.56111提升到0.83889，MRR 从0.28627提升到0.50894；它是 MovieLens 内容/协同双视图代理实验。 - OPDSearch+、OPDVR 在 arithmetic-smoke 上最终 accuracy 均为
0.66406；这是 candidate-policy 算法冒烟验证，不是大模型 benchmark 结论。 - 四个 Agent 方法在 planbench-mini 上 joint success 都为
1.0，主要用于核验各自 telemetry 和控制流，不用于宣称超过原论文基线。
下一次日批扫描从本批次之后继续；未通过项及理由已写入机器可审计 ledger，不会在下一轮消失。