From Understanding to Action: Feedback-Grounded Policy Discovery for Generative Recommendation¶

保真度：核心机制复现。原文结论、本地公开数据实验和未复刻部分分开陈述。

论文信息¶

项目	内容
论文链接	arXiv 2607.27789
公司/机构	Huazhong Agricultural University (Kuaishou internship)
首次公开日期	2026-07-30（arXiv v1）
原文开源代码	否：原文未提供官方/作者代码（核查日期：2026-08-24）
Adapter	`feedback-policy`
本地复现代码	`src/auto_research/reproductions/feedback_policy/`

原始论文总结¶

背景与主要改动¶

从用户反馈发现生成策略，以双空间关系蒸馏把策略压入轻量排序器，从而避免线上调用 LLM。

flowchart LR
 A["反馈归因"] --> B["策略发现"] --> C["关系蒸馏上线"]

原论文关键图¶

原论文 Figure 2（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¶

\[ \mathcal L=\mathcal L_{rank}+\lambda\|S_T-S_S\|_F^2 \]

论文离线与线上效果¶

原文的主要线上证据为 Revenue +4.51%（large-scale online A/B）。论文离线表与线上指标使用私有或论文指定口径，不能与下面的 MovieLens 数字直接比较。

本地复现¶

本地对照口径：基线为共享 transition + content scorer；实验组在相同用户、物品、全库候选和 seed 上只加入 feedback-policy 核心机制，相对 NDCG@10 +2.76%。

MovieLens-100K、220 users / 360 items、seed 42：NDCG@10 0.0540 → 0.0555（+2.76%），Hit@10 0.1091 → 0.1091。验证集只用于选择机制混合权重，测试集没有参与调参。

auto-research reproduce --paper feedback-policy --dataset-dir data --seed 42

固定指标见 metrics/public-seed42.json。

复现边界¶

在 MovieLens-100K 固定全库候选、相同切分和 seed 上执行论文核心机制；公司私有特征、生产基础模型与在线流量不可公开，论文 A/B 数字仅作原文引用。本地实现执行了独立的模型状态和打分路径；它不是把论文名映射到同一个加权公式。未复刻项见 adapter 的 omitted_core_components，本地相对变化不得与原文 A/B 提升混写。