OnePiece: Bringing Context Engineering and Reasoning to Industrial Cascade Ranking

保真度：核心机制复现。原文结论、本地公开数据实验和未复刻部分分开陈述。

论文信息

项目	内容
论文链接	arXiv 2509.18091
公司/机构	Shopee
首次公开日期	2025-09-22（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	onepiece
本地复现代码	src/auto_research/reproductions/onepiece/

原始论文总结

背景与主要改动

把上下文 token、块级 latent reasoning 与递进多任务目标合并到级联排序器，让召回、点击和价值任务共享表示但分阶段收敛。

flowchart LR
 A["公开输入 / 历史"] --> B["onepiece 核心路径"]
 B --> C["论文特有状态或目标"]
 C --> D["同预算评测"]

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

\[ H^{k+1}=H^k+F_k(H^k,c),\quad\mathcal L=\sum_t\alpha_t(k)\mathcal L_t. \]

论文离线与线上效果

Shopee GMV/UU 超过 +2%，广告收入 +2.90%。

本地复现

本地对照口径：基线为共享 transition + content scorer，实验组只加入 onepiece 核心机制；相对 NDCG@10 +22.87%。

MovieLens-100K、260 users / 420 items、seed 42：NDCG@10 0.0354 → 0.0435（+22.87%）。基线是共享 transition + content scorer；实验组只加入论文核心路径。

auto-research reproduce --paper onepiece --dataset-dir data --seed 42
auto-research evolve --model rankmixer --dataset movielens-100k --direction "组合 onepiece 与已安装论文算子" --generations 2 --population 4

固定指标见 metrics/public-seed42.json。

复现边界

在 MovieLens-100K 全库排序上实际执行论文核心状态、训练目标或推理路径；未使用公司私有特征、生产流量和在线服务，线上 A/B 数字只引用原文。 本地数值不等同于原论文大模型、私有数据、生产流量或专用 kernel；本地相对变化不得与原文提升混写。