跳转至

Pin-SCALE：参与度 Semantic ID 的级联、对齐与工业接入

Fidelity: 核心机制复现。执行 engagement-aware residual codebook 和 SID 级联相似度。

论文信息

项目 内容
论文链接 SIGIR 2026 paper P074
公司/机构 Pinterest
首次公开日期 2026-07-19（Pinterest Labs / SIGIR 2026）
原文开源代码 否：论文未提供官方/作者代码（核查日期：2026-08-09）
Adapter pin-scale
本地复现代码 src/auto_research/reproductions/pin_scale/

原始论文总结

背景与主要改动

Semantic ID 擅长冷启动，但在判别式 dense retrieval 中缺乏系统接入方案。Pin-SCALE 保留 residual hierarchy 做 cascading pooling，以 engagement-aware tokenization 引入协同信号，再用 query-item 与 item-item 多视角对比学习对齐 SID 和参与度预测。

flowchart LR
  C["内容 embedding"] --> T["Engagement-aware tokenizer"]
  E["行为/参与度"] --> T
  T --> S["Hierarchical SIDs"]
  S --> P["Cascading pooling"]
  P --> A["Multi-view alignment"]
  A --> R["Dense retrieval"]

原论文关键图

Pin-SCALE：参与度 Semantic ID 的级联、对齐与工业接入 原论文 官方摘要 P074

原论文 官方摘要 P074（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

\[ c_\ell=\arg\min_j w_i\lVert r_\ell-e_{\ell,j}\rVert_2^2,\qquad \mathcal L=\mathcal L_{\mathrm{rank}}+ \lambda_q\mathcal L_{q,i}+\lambda_i\mathcal L_{i,i}. \]

论文离线与线上效果

Pinterest Closeup、Home Feed、Search 已上线，fresh Repin +3.67%、DAU +0.05%，每日服务数十亿请求。

本地复现

本地对照口径：基线是 unweighted semantic/content ranker；实验组使用 engagement-weighted 三层 SID，NDCG@10 0.03540→0.04022，相对 +13.61%，fresh Hit@10 相对 +50.00%。

fresh 分母很小，50% 不可外推为工业收益。见 metrics/movielens-seed42.json。

auto-research reproduce --paper pin-scale --dataset-dir data --seed 42

复现边界

SIGIR program 是当前可核验原始入口；没有伪造 arXiv ID。公开 popularity/transition 仅代理 Pinterest engagement。