跳转至

MBGR：多业务生成式推荐

Fidelity: 核心机制复现。Business-aware SID、共享 experts、逐业务预测与 Label Dynamic Routing 均实际执行。

论文信息

项目 内容
论文链接 arXiv 2604.02684
公司/机构 Meituan
首次公开日期 2026-04-03（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 mbgr
本地复现代码 src/auto_research/reproductions/mbgr/

原始论文总结

背景与主要改动

多业务日志交错时，普通 next-item 监督只覆盖实际下一条业务。MBGR 用 business-conditioned autoencoder 保留 SID 语义，以共享 MoE 生成业务特定表示；LDR 在每个时刻为每个业务寻找最近未来交互，无标签业务被 mask。

flowchart LR
  A[跨业务序列] --> B[BID encoder/reconstruction]
  B --> C[共享 MoE]
  C --> D[逐业务 SID decoder]
  A --> E[LDR 最近未来标签]
  E --> D

原论文关键图

MBGR：多业务生成式推荐 原论文 Figure 1

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

\[ e^b=\sum_{k=1}^K g_k^b\operatorname{FFN}^{exp}_k([e,b]),\qquad i_{u,t+1}^{(k)}=i_{u,t'},\ t'=\min\{t''>t:b_{u,t''}=b_k\}. \]

论文离线与线上效果

Meituan 线上 A/B 的 CTCVR 提升 +3.98%。

本地复现

本地对照口径：基线是共享 next-item 模型；实验组 MBGR 用 genre 作为 19 个业务域并执行 BID/MBP/LDR，相对基线 Hit@10 -4.17%、NDCG@10 -5.92%。

验证集选择 blend 0.1；LDR 共 mask 140,235 个无效业务标签。稳定指标见 metrics/movielens-100k-seed42.json。

auto-research reproduce --paper mbgr --seed 42

复现边界

genre 是公开业务域代理，不能替代 Meituan 多业务私有日志与线上生成器规模。