TGR：统一生成、排序与离线推理注入¶

复现级别：核心机制 + 公开数据。 复现分层语义 ID 路径、列表目标和 reason-token 注入的组合。

论文信息¶

字段	内容
论文链接	arXiv 2609.00986
公司/机构	Tencent（TGR Team）
首次公开日期	2026-09-01（arXiv v1）
原文开源代码	否：未发现原作者公开代码（核查日期：2026-09-05）
Adapter	`tgr`
本地复现代码	`src/auto_research/reproductions/tgr/`

TGR 把工业推荐的三个方向纳入同一框架：CCFormer 承担可扩展排序，BARGE/HiGR 用分层语义 ID 生成单物品或整页列表，TGR-Reason 把离线生成的 reason token 注入在线解码，避免请求时再做昂贵 rollout。

flowchart LR
  F[统一特征 token] --> C[CCFormer 排序]
  S[分层语义 ID] --> B[BARGE / HiGR 生成]
  O[离线 reason token] --> B
  C --> Y[在线多目标结果]
  B --> Y

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。

本地核心路径累积分层路径置信度，并与 transition/content 列表目标联合：\(s_i=\sum_l p(z_i^l\mid H)\prod_{j\le l}(0.6+p(z_i^j\mid H))+\lambda s_i^{list}\)。

论文报告 CCFormer CTR +3.57%、广告收入 +1.71%；BARGE、HiGR 和 TGR-Reason 也分别通过线上实验或全量发布验证。

MovieLens 100K 三 seed 固定协议下 NDCG@10 从 0.05401 提升到 0.05953。完整产物见 metrics/public-seeds42-44.json。

本地对照口径：基线 NDCG@10=0.05401，实验组 NDCG@10=0.05953，相对变化 +10.24%。

未复刻私有 semantic-ID catalog、生产 CCFormer checkpoint 与在线生成服务；仅实现公开数据可审计核心机制。