跳转至

DualGR: Generative Retrieval with Long and Short-Term Interests Modeling

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 2511.12518
公司/机构 USTC / Kuaishou Technology
首次公开日期 2025-11-16（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 dualgr
本地复现代码 src/auto_research/reproductions/dualgr/

原始论文总结

背景与主要改动

短期兴趣与长期兴趣使用双路由器，约束 Semantic ID 前缀有效性，并以曝光感知项抑制头部坍缩。

flowchart LR
 A["公开输入 / 历史"] --> B["dualgr 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

DualGR: Generative Retrieval with Long and Short-Term Interests Modeling 原论文 Figure 1

原论文 Figure 1（关键图）：展示原论文方法的总体设计和关键组成。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

\[ p(i|h)=g(h)p_s(i|h)+(1-g(h))p_l(i|h),\quad\mathcal L=\mathcal L_{SID}+\lambda\mathcal L_{expo}. \]

论文离线与线上效果

快手线上 Video Views +0.527%，Watch Time +0.432%。

本地复现

本地对照口径：基线为共享 transition + content scorer，实验组只加入 dualgr 核心机制；相对 NDCG@10 +6.73%。

MovieLens-100K、260 users / 420 items、seed 42：NDCG@10 0.0354 → 0.0378（+6.73%）。基线是共享 transition + content scorer；实验组只加入论文核心路径。

auto-research reproduce --paper dualgr --dataset-dir data --seed 42
auto-research evolve --model rankmixer --dataset movielens-100k --direction "组合 dualgr 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。