COBRA：级联稀疏—稠密生成式召回

Fidelity: 完整核心链路复现。稀疏 S-ID、以 S-ID 为条件的稠密向量、联合训练和 coarse-to-fine BeamFusion 均执行；生产 ANN 服务未复刻。

论文信息

项目	内容
论文链接	arXiv 2503.02453
公司/机构	Baidu
首次公开日期	2025-03-04（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	cobra
本地复现代码	src/auto_research/reproductions/cobra/

原始论文总结

背景与主要改动

纯 Semantic ID 在量化阶段丢失细粒度信息。COBRA 先生成稀疏 code，再以 code 条件生成可端到端更新的 dense vector；推理先 beam 搜索 code，再用 dense 最近邻细排。

flowchart LR
 A["history"] --> B["sparse SID generation"] --> C["beam clusters"]
 B --> D["SID-conditioned dense vector"] --> E["ANN fine retrieval"]
 C --> F["BeamFusion"]
 E --> F

原论文关键图

原论文 Figure 1（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

\(L=L_{sparse}+\lambda L_{dense}\)，其中 \(L_{sparse}=-\sum_l\log p(c_l|h,c_{<l})\)，\(L_{dense}\) 对条件向量与目标 item 做全库 softmax；推理 \(s(i)=s_{beam}(c_i)+\alpha q(c_i,h)^Tv_i\)。

论文离线与线上效果

公开基准优于纯生成与稠密召回；Baidu 线上 conversion +3.60%、ARPU +4.15%，覆盖 2 亿+日活。

本地复现

本地对照口径：统一跨模型基线是 DIN，COBRA NDCG@10 相对 DIN +25.75%；内部 sparse-only 基线加入 dense cascade 后 +45.83%。两项提升不能相互替代。 180 users/280 items、seeds 42–44。统一 DIN（100 steps）Hit/NDCG 为 0.0481/0.02167；COBRA 为 0.0593/0.02724，NDCG 相对 DIN +25.75%。内部 sparse-only→cascade 消融为 +45.83%；head share 0.0598→0.2313，收益伴随热门集中。指标见 metrics/movielens-100k-seeds42-44.json。