RECAP：用推荐反馈闭环优化流式语义画像¶

Fidelity: 核心机制复现。真实训练 causal Transformer updater、双塔评价器和 clipped GRPO，并执行固定容量画像状态机。

论文信息¶

项目	内容
论文链接	arXiv 2607.15730
公司/机构	Kuaishou Technology / USTC
首次公开日期	2026-07-17（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	`recap`
本地复现代码	`src/auto_research/reproductions/recap/`

原始论文总结¶

背景与主要改动¶

传统 LLM 用户画像只追求“总结得像”，没有直接优化未来推荐。RECAP 把画像变成带容量约束的结构化流式状态：LLM 负责语义 update，确定性逻辑负责生命周期、合并与淘汰；再用 LLM judge 筛出标签一致的行为 pair，训练双塔 evaluator，把匹配分数作为 GRPO reward 闭环更新画像生成器。

flowchart LR
  B[streaming behaviors] --> U[LLM profile updater]
  U --> S[bounded structured state]
  S --> C[decay / merge / evict]
  B --> J[LLM label-consistency judge]
  J --> E[dual-tower evaluator]
  E --> R[semantic reward]
  R --> G[GRPO]
  G --> U
  C --> REC[recommendation]

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¶

对同一上下文采样一组画像更新 \(o_i\)，RECAP 使用组内标准化 advantage：

\[ A_i=\frac{r_i-\operatorname{mean}(r)}{\operatorname{std}(r)+\epsilon},\qquad r_i=s_{\mathrm{eval}}(p_i,b^+). \]

策略更新采用 clipped ratio，并加入 reference KL、格式和多样性约束；状态机始终满足 \(|P_t|\le C\)。

论文离线与线上效果¶

相对 base generator，离线 uAUC 绝对 +0.0084、Recall@2000 约 +4.9%。7 天线上 A/B 中，人均应用使用时长显著提升 +0.139%。

本地复现¶

本地对照口径：基线是 open-loop SFT 流式画像；实验组增加反馈 evaluator 与 GRPO，NDCG@10 相对 -6.77%。

MovieLens-100K 固定 220 users / 360 items；genre token 作为可解释语义，画像容量为 4。GRPO mean reward 从 0.5245 升到 0.7096，但 test NDCG 0.04838 → 0.04511；同时 head share 0.2400 → 0.1914。说明本地 evaluator reward 上升没有可靠迁移到 next-item 指标。稳定指标见 metrics/movielens-100k-seed42.json。

auto-research reproduce --paper recap --seed 42

复现边界¶

自然语言画像和工业 LLM 缩为 category-token causal Transformer；没有快手私有日志、生产 LLM judge 和在线闭环。核心 SFT→evaluator→GRPO→bounded state 链路实际执行，但不声称复现线上收益。