SERAL：用对齐 LLM 打破推荐过滤气泡

Fidelity: 完整核心链路复现。静态/短期/长期 cognition profile、SFT、CDI 偏好对、IPO+SFT 与 nearline 全库缓存均执行；GPT-4/人工标注由公开内容和协同信号替代。

论文信息

项目	内容
论文链接	arXiv 2502.13539
公司/机构	Alibaba / Taobao
首次公开日期	2025-02-19（arXiv v1）
原文开源代码	否：论文未提供官方/作者代码（核查日期：2026-08-09）
Adapter	seral
本地复现代码	src/auto_research/reproductions/seral/

原始论文总结

背景与主要改动

惊喜推荐需同时相关且未见。SERAL 压缩超长历史为多层认知画像，以 LLM/人工 CDI 打破日志反馈环，用 IPO 对齐 SerenGPT，最后 nearline 生成并缓存候选。

flowchart LR
 A["long behavior"] --> B["static/short/long profiles"] --> C["SerenGPT SFT"]
 D["LLM + human CDI"] --> E["preference pairs"] --> F["IPO + SFT"]
 C --> F --> G["nearline cache"] --> H["online ranker"]

原论文关键图

原论文 Figure 2（关键图）：展示原论文提出的核心架构、主要模块及其连接关系。图片来自原论文，版权归原作者所有；点击图片可查看来源。

核心公式

\(L_{SFT}=-\sum_t\log\pi_\theta(y_t|x,y_{<t})\)；\(L_{IPO}=E[(\log\frac{\pi_\theta(y_w)\pi_{ref}(y_l)}{\pi_{ref}(y_w)\pi_\theta(y_l)}-\frac{1}{2\tau})^2]\)，最终 \(L=L_{IPO}+\alpha L_{SFT}\)。

论文离线与线上效果

线上惊喜 PVR +5.7%、点击 +29.56%、交易 +27.6%；长期实验 UV3 +3.04%、交易额 +0.98%。

本地复现

本地对照口径：统一跨模型基线是 DIN，SERAL NDCG@10 相对 DIN +50.60%；内部基线是纯 SFT，增加 CDI+IPO 后 +8.59%，但 novelty 下降。排序收益与惊喜度结论分开报告。 180 users/280 items、seeds 42–44。统一 DIN（100 steps）Hit/NDCG 为 0.0481/0.02167；SERAL 为 0.0741/0.03263，NDCG 相对 DIN +50.60%。内部消融中 IPO 相对纯 SFT 为 +8.59%，但 category-novelty 0.05542→0.05444，仍未复现惊喜度提升。指标见 metrics/movielens-100k-seeds42-44.json。