跳转至

SAM：购买后兴趣退出与个性化恢复周期

Fidelity: 核心机制复现。双路径 intent/rhythm、ASGU、log-mask intervention 与 TTNP 周期监督均实际执行。

论文信息

项目 内容
论文链接 arXiv 2607.12714
公司/机构 Alibaba Group
首次公开日期 2026-07-14（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 sam
本地复现代码 src/auto_research/reproductions/sam/

原始论文总结

背景与主要改动

购买完成的是一簇意图，继续放大购买前点击会制造重复推荐。SAM 用 pointwise cross-attention 定位要压制的历史节点，并从长期购买序列预测补货节奏；ASGU 在刚购买时强抑制、接近周期时逐渐恢复，再以 log-mask 修改注意力 logits。

flowchart LR
  A[点击/购买序列] --> B[意图定位]
  C[长期购买间隔] --> D[节奏检索 + TTNP]
  B --> E[ASGU]
  D --> E
  E --> F[log-mask attention]
  F --> G[CTR score]

原论文关键图

SAM：购买后兴趣退出与个性化恢复周期 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

\[ m_{ij}=1-a_j\sigma\left(k\left(\alpha-\frac{\Delta t_{ij}}{c}\right)\right),\qquad \ell_{ij}=q_i^Tk_j/\sqrt d+\log\operatorname{clip}(m_{ij},\epsilon,1). \]

论文离线与线上效果

相对 DIN：线上 CTR +1.1%、GMV +0.9%、bad-case -74.5%；论文 PPRR 从 15.5% 降至 4.1%。

本地复现

本地对照口径：基线是 DIN-like interest score；实验组 SAM 加入按 genre 学习的周期与 ASGU，相对基线 Hit@10 -12.50%、NDCG@10 -6.60%。

公开数据没有购买事件，使用高分 genre 重复间隔代理，因此负结果不外推论文线上结论。稳定指标见 metrics/movielens-100k-seed42.json。

auto-research reproduce --paper sam --seed 42

复现边界

没有真实补货型商品和 censored purchase log；只验证机制和失败边界。