跳转至

GRC：生成、反思与纠错的生成式推荐轨迹

Fidelity: 核心机制复现。结构化 SFT、完整轨迹 GRPO 与 entropy-guided reflection scheduling 均实际执行。

论文信息

项目 内容
论文链接 arXiv 2602.23639
公司/机构 Alibaba International / Wuhan University
首次公开日期 2026-02-27（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 grc
本地复现代码 src/auto_research/reproductions/grc/

原始论文总结

背景与主要改动

Semantic ID 自回归生成的早期错误会向后传播。GRC 把 draft SID、首错位置/属性一致性反思、corrected SID 串成结构化模板；再对完整轨迹做 GRPO，并用反思 token 熵把固定纠错预算分配给最不确定的 beam。

flowchart LR
  A[用户历史] --> B[生成 draft SID]
  B --> C[首错位置与语义反思]
  C --> D[纠正 SID]
  D --> E[trajectory GRPO]
  C --> F[EGRS 固定预算调度]

原论文关键图

GRC：生成、反思与纠错的生成式推荐轨迹 原论文 Figure 2

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

\[ r_{loc}=\min\big(\{t:\hat z_t\ne z_t^{gt}\}\cup\{L+1\}\big),\qquad \mathcal L_{SFT}=\mathcal L_{MLE}+\lambda_{rc}\mathcal L_{rc}. \]
\[ \operatorname{score}_{EGRS}=\operatorname{score}_{base}+\alpha_e\bar H^{ref}. \]

论文离线与线上效果

2026-01-02 至 01-12、control/treatment 各 15%：Revenue +1.79%、CTR +2.11%、GMV +2.04%，均显著。

本地复现

本地对照口径：基线是同一 SID 的 GR backbone；实验组 GRC 加入 1,320 条结构化轨迹、10 轮 GRPO 与 EGRS，相对基线 Hit@10 -12.50%、NDCG@10 -11.12%。

GRPO 平均 reward 8.3989→8.4273，但 test 全库排序退化。稳定指标见 metrics/movielens-100k-seed42.json。

auto-research reproduce --paper grc --seed 42

复现边界

MovieLens genre 代理 category/seller/brand 属性；未复刻工业 LLM 参数量。