跳转至

DCEO：直接优化长期用户价值的因果效果

Fidelity：核心机制复现。 本地执行上下文条件目标权重、用户级 proxy 聚合和相对因果干预；生产 critic 与在线 actor serving 未复刻。

论文信息

项目 内容
论文链接 arXiv 2608.25635
公司/机构 淘宝天猫集团，阿里巴巴（第一作者第一署名单位）
首次公开日期 2026-08-26（arXiv v1）
原文开源代码 否：未发现原作者公开代码（核查日期：2026-08-28）
Adapter dceo
本地复现代码 src/auto_research/reproductions/dceo/

原始论文总结

背景与主要改动

固定加权的点击、转化和 GMV 目标不能随用户状态改变，也无法直接刻画一次排序动作的长期因果价值。DCEO 用 actor 输出上下文相关 simplex 权重，用用户级 critic 估计相对干预效果；线上只保留轻量 actor。

flowchart LR
  X[用户与查询上下文] --> A[目标权重 actor]
  S[点击/转化/GMV scores] --> F[条件融合]
  A --> F
  F --> R[排序动作]
  R --> C[用户级长期 critic]
  C --> A

原论文关键图

DCEO：直接优化长期用户价值的因果效果 原论文 Figure 1

原论文 Figure 1（关键图）：展示原论文的训练流程与关键优化环节。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

\[ w(x)=\operatorname{softmax}(g_\theta(x)),\quad s(x,i)=\sum_k w_k(x)s_k(x,i),\quad \Delta V=V(u\mid do(a))-V(u\mid do(a_0)). \]

论文离线与线上效果

淘宝搜索 41 天生产 A/B 中 GMV +0.36%；这是进入工业实现队列的量化线上证据。

本地复现

本地实现现在把 causal_gain × temperature 纳入 evolve 搜索空间：20 个候选只在 validation 上按 NDCG@10 + 0.15 × Hit@10 选择，随后仅对冠军运行一次 held-out test。这样不会再用固定 0.75 增益换取 Hit 上升、NDCG 下降后仍把它描述为整体提升。

本地对照口径：基线为同一组 proxy score 的固定 log fusion；实验组为 validation-only 搜索选出的上下文条件 actor（causal_gain=0.75, temperature=0.75）。MovieLens-1M 上 Hit@10 0.1469 → 0.1500（+2.13%），NDCG@10 0.07127 → 0.07095（-0.45%），head share 0.2038 → 0.1988（-2.45%）。这说明搜索减轻了固定配置的 NDCG 损失，但仍不能宣称全面优于基线。

指标见 metrics/movielens-1m-seed42.json。

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

复现边界

proxy outcome 与真实长期 GMV 不等价；本地负相关诊断明确阻止把 Hit 改善解读为长期价值提升。