OxygenREC-v2¶

Fidelity: 核心机制复现。实际训练行为 instruction、行为加权目标、未来交互 privileged view 与熵路由蒸馏；生产模型和私有漏斗数据未复刻。

论文信息¶

项目	内容
论文链接	arXiv 2607.24255
公司/机构	JD.COM
首次公开日期	2026-07-27（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	`oxygenrec-v2`
本地复现代码	`src/auto_research/reproductions/oxygenrec_v2/`

原始论文总结¶

背景与主要改动¶

工业生成式推荐通常先生成候选，再外挂判别器或 reward model 重排；重排只能改变顺序，不能补回生成阶段漏掉的商品。OxygenREC-v2 把 click/cart/order 行为作为 decoder instruction，从第一枚 SID token 起控制候选生成；后训练再使用仅训练期可见的未来交互，联合可验证轨迹优化、自蒸馏和高熵位置的 forward-KL。

flowchart LR
    H["用户历史"] --> E["Encoder"]
    B["目标行为 instruction"] --> D["SID Decoder"]
    E --> D
    F["训练期未来交互"] --> T["Privileged teacher"]
    T --> R["熵路由 SD / FKL"]
    D --> R
    R --> O["统一生成策略"]

原论文关键图¶

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¶

行为指令进入 decoder prefix，预训练用行为权重 \(w_b\) 调整生成损失。后训练目标可概括为：

\[ \mathcal L=\mathcal L_{\mathrm{VR}} +\lambda\mathcal L_{\mathrm{SD}} +\beta\mathcal L_{\mathrm{FKL}}, \]

其中低熵位置接受 privileged teacher 的稠密自蒸馏，高熵位置用 forward-KL 保留不确定性，而 teacher 的未来交互前缀不会进入线上推理。

论文离线与线上效果¶

同一 backbone 下，HR@512 从 43.24% 升至 44.14%，Recall@512 从 34.95% 升至 36.39%。
京东六个生产场景、5%–20% 流量、持续 5–8 天；feed/floor 的 UCTCVR 提升 1.61%–4.44%，首页 GMV +21.21%，商品详情页统一策略 GMV +4.25%。

本地复现¶

本地对照口径：基线与实验组使用同一 MovieLens 切片、full-catalog 候选、训练步数和 seed；实验组只增加论文机制，相对 NDCG@10 为 -54.09%。

在 MovieLens-1M 的 240 users / 400 items 切片上，实际训练行为 instruction、行为加权生成损失、未来交互 privileged view 和 20% 高熵路由。MovieLens 没有多行为标签，因此使用流行度三分位作为 click/cart/order 代理，并在推理时边缘化三种行为，避免泄露测试目标。

auto-research reproduce --paper oxygenrec-v2 --dataset-dir data --seed 42

固定 seed 结果：PT-only Hit@10 0.0625、NDCG@10 0.02861；实验组 Hit@10 0.0250、 NDCG@10 0.01313。公开代理迁移出现负收益，不能把论文线上 lift 搬到 MovieLens。完整指标见 metrics/movielens-1m-seed42.json；跨领域摘要见 latest-cross-domain-20260730-seed42.json。

复现边界¶

这是核心机制的小规模复现，不含京东私有多行为日志、三层生产 SID、3B-A1B MoE 和线上服务。负结果主要说明“流行度分位”不是购买意图的可靠替代，不否定论文的私有数据结论。