跳转至

TAGR：面向直播广告的时序自适应生成式推荐

Fidelity：核心机制复现。 本地执行稳定词表的可刷新 LSID、多尺度 intent 与行为/价值双分支；生产在线训练与广告系统未复刻。

论文信息

项目 内容
论文链接 arXiv 2608.24034
公司/机构 快手科技（第一作者第一署名单位）
首次公开日期 2026-08-25（arXiv v1）
原文开源代码 否：未发现原作者公开代码（核查日期：2026-08-26）
Adapter tagr
本地复现代码 src/auto_research/reproductions/tagr/

原始论文总结

背景与主要改动

直播间内容、商品和反馈高速变化，静态 semantic ID、单一时间尺度历史和离策略偏好优化都会过时。TAGR 在三层适配：LSID 周期刷新语义/协同分配但保持 token 词表稳定；IAG 融合短、中、长期意图；IOPO 间歇执行 on-policy GRPO，并在两次 burst 之间继续 NTP 维护，防止在线 RL 覆盖行为分布。

flowchart LR
  A[实时直播内容与协同行为] --> L[LSID 动态分配/稳定词表]
  H[多尺度用户历史] --> I[IAG intent encoder]
  L --> G[自回归候选生成]
  I --> G
  G --> B[BA-GRPO 行为对齐]
  G --> V[VA-GRPO 价值对齐]
  B --> O[IOPO burst + NTP maintenance]
  V --> O

原论文关键图

TAGR：面向直播广告的时序自适应生成式推荐 原论文 Figure 2

原论文 Figure 2（关键图）：展示原论文方法的总体设计和关键组成。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

\[ z_u=\operatorname{Fuse}(h_u^{short},h_u^{medium},h_u^{long}),\qquad p_\theta(c\mid u)=\prod_t p_\theta(c_t\mid c_{<t},z_u). \]
\[ \mathcal L_{IOPO}=\mathcal L_{NTP}+\lambda_b\mathcal L_{BA-GRPO}+\lambda_v\mathcal L_{VA-GRPO}. \]

论文离线与线上效果

系统服务超过 4 亿 DAU。相对生产 DLRM，线上直播间进入率 +8.5%、购物车点击率 +7.4%、收入 +16.1%；这是本论文进入工业实现队列的硬证据。

本地复现

本地对照口径：基线为一阶转移与热度融合；实验组加入两级 LSID、三尺度 intent 和有界行为/价值门控。MovieLens-1M 上 NDCG@10 从 0.1123 降至 0.0821（-26.86%），但 head share 从 0.7275 降至 0.1303。

这个负结果说明：在稳定电影域中强行强调“新鲜/长尾”会牺牲精度，不能外推直播广告的时变收益。指标见 metrics/movielens-1m-seed42.json。

auto-research reproduce --paper tagr --dataset-dir data --seed 42

复现边界

未使用快手私有日志、在线 reward model、真实 GRPO burst、广告价值标签和实时 serving；本地只验证三个核心适配结构及其在非时变公开数据上的失败边界。