UNIQUE：统一召回与排序¶

复现级别：公开数据缩比机制实验（概念验证）。 执行了反馈感知单层扁平量化、EMA 与频率平衡、用户多粒度前缀、目标注意力分离、code 生成与曝光排序联合训练；缺少百度生产特征、多目标头和在线基础设施，不能称为完整论文复现。

论文信息¶

项目	内容
论文链接	arXiv v1
公司/机构	Beihang University
首次公开日期	2026-09-20（arXiv v1）
原文开源代码	否：截至 2026-09-26 未找到原作者发布的 UNIQUE 实现仓库
Adapter	`unique`
本地复现代码	`src/auto_research/reproductions/unique/`

原始论文总结¶

背景与主要改动¶

传统召回与排序分开优化，召回侧较难利用排序反馈；多层残差量化又可能逐层积累误差。UNIQUE 将物品先映射到一个扁平 code：物品向量由用户反馈监督的双塔编码，最近邻分配经使用频率校正，并用 EMA 更新码本。用户静态特征、近期行为、中期行为及兴趣摘要构成前缀；候选 item/code 各自只关注这一前缀，而不读取其他候选。共享的编码结果同时训练 code 分布和多个排序目标，推理时先按 code 提名，再对对应物品排序。

flowchart LR
  F[物品特征与反馈双塔] --> Q[单层扁平 code / EMA / 均衡分配]
  H[用户静态 + 近中远行为] --> P[共享 Transformer 前缀]
  P --> A[目标仅关注前缀]
  Q --> A
  A --> G[code 生成召回]
  A --> R[物品反馈排序]
  G --> C[code 到候选物品]
  C --> R

原论文 Figure 1 的完整 EQN/UIGN/TDN 架构和 Table 2–5 的离线及线上实验见官方正文。上图是按核心机制重绘，不表示本地含有论文的私有特征或线上 serving。

原论文关键图¶

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。

核心公式¶

物品编码 z_i 归一化后，扁平分配为 c_i=argmin_j ||z_i-e_j||² (p_j M)^τ；本地使用 τ=0.5，并用 z_i+sg(e_{c_i}-z_i) 做直通估计。目标 token 以 softmax(q_t K_prefixᵀ/√d)V_prefix 读取前缀，不发生目标间注意力。总损失结合曝光点击 BCE、code 交叉熵、反馈双塔 BCE、量化约束；本地额外使用归一化播放时长的缩比辅助损失。

论文离线与线上效果¶

原文使用 KuaiRand-Pure 和百度内部场景；Mobile Baidu 线上 A/B 报告总观看时长 +0.96%、总分发量 +1.08%、留存 +0.70%。这些是论文原始线上结果，本地没有相应流量与系统，不能移作本地指标。

本地复现¶

本地对照口径：同一早融合排序器、同数据和训练预算下，去掉联合 code 生成是基线，三 seed test CTR-AUC 均值约 0.5282；完整缩比实验组约 0.5270，相对 -0.23%。本地没有观察到稳定提升。

使用 KuaiRand-Pure 原始日志前 50 万行、user_id<10000，共保留 107,850 条曝光；训练 16,279 条、逐用户最后两条曝光作为 validation 1,709 条和 test 1,917 条。用户历史只包含当时之前的正反馈，短历史用最早已见物品左填充。每变体每 seed 训练 300 步；固定随机抽 400 条真实曝光计算 CTR-AUC；对其中最多 100 条正反馈先预测前四个 code，再按映射候选排序，排除历史已见物品。该切片规模和特征量均小于论文。

三 seed test 均值	CTR-AUC	前四 code 候选覆盖	Code perplexity	平均候选池
联合召回与排序	0.5270	0.0833	60.29	649.29
去掉联合生成	0.5282	不适用	60.41	不适用
去掉平衡校正	0.5198	0.3300	23.26	2077.65

去掉平衡校正时，更多物品挤入少数热门 code，因此四 code 覆盖看似更高，但候选池扩大约三倍；这不是更高效的召回。联合模型的 reranked Recall@10 三 seed 仅 0.01/0/0，绝对效果很弱。切片无法支持论文效益声明。逐 seed 指标见本地指标文件。

运行：auto-research reproduce --paper unique --dataset-root data。默认公开 KuaiRand-Pure 数据由仓库加载器获取，首次运行需联网。

复现边界¶

仅用公开 item ID、标签、点击/长播与播放时长；没有百度的文本、发布者、细粒度反馈和多场景目标头。
公开日志切片未重建工业 code-to-item 索引、实时新鲜度、P99 服务时延或线上 A/B。高均衡度不等于高质量召回。
现有三 seed 指标只是小规模机制诊断；未按论文量级调参，不能把论文线上收益归因于本地模型。