GenRec：面向整页结果的生成式推荐¶
复现保真度：核心机制复现。 Page-wise NTP、非对称 Token Merger 与 GRPO-SR/NLL 约束实际执行。
论文信息¶
| 项目 | 内容 |
|---|---|
| 论文链接 | arXiv 2604.14878 |
| 公司/机构 | JD.com |
| 首次公开日期 | 2026-04-16（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 | genrec |
| 本地复现代码 | src/auto_research/reproductions/genrec/ |
原始论文总结¶
背景与主要改动¶
逐 item 生成忽略同一页面内的互补和顺序。GenRec 将下一页作为序列目标，用非对称 Token Merger 压缩输入，并以 GRPO-SR 的组内 reward 优化整页，同时保留 NLL 正则抑制策略漂移。
flowchart LR
A["User context"] --> B["Asymmetric Token Merger"]
B --> C["Page-wise NTP"]
C --> D["Group samples"]
D --> E["GRPO-SR reward"]
C --> F["NLL regularization"]
E --> G["Page policy"]
F --> G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¶
\[
\mathcal L=\mathcal L_{\rm GRPO-SR}+\lambda\mathcal L_{\rm NLL},\qquad
A_i=R_i-\frac1G\sum_{j=1}^{G}R_j.
\]
论文离线与线上效果¶
京东线上 clicks +9.5%、transactions +8.7%。
本地复现¶
把连续三个正反馈组成一页，联合估计 page policy，并用序位 reward advantage 更新、NLL policy 约束。
本地对照口径：基线为 point-wise ranker，实验组为 page-wise NTP + GRPO-SR；NDCG@10 0.03540→0.07621，相对 +115.30%，见
metrics/movielens-100k-seed42.json。