阿里提出REG4Rec，通过推理增强提升生成式推荐的个性化与稳定性，已在Lazada取得显著商业收益。
原文标题：ICDE 2026 | 从匹配困境到推理突破：阿里REG4Rec 激活生成式推荐的个性化潜力
原文作者：机器之心
冷月清谈：
怜星夜思：
2、REG4Rec模型中，上下文感知的动态推理路径是如何实现的？这种动态性对提升推荐效果有哪些帮助？在实际应用中，如何平衡动态推理带来的灵活性和计算复杂度？
3、文章中提到了REG4Rec在 Lazada 推荐广告业务中取得了显著的商业收益。你认为这种技术在其他类型的推荐场景（例如：新闻推荐、短视频推荐）中是否也能取得类似的效果？如果应用到其他场景，可能需要做哪些调整？
原文内容
一、引言
从内容分发到商业转化，推荐系统早已成为互联网平台的关键基础设施。它在海量信息与有限注意力之间完成筛选和排序，直接影响内容曝光、商品成交以及流量变现效率。
用户在电商平台上看到的商品列表、在信息流里刷到的内容、广告位中呈现的链接，通常并非随机展现，而是推荐系统在毫秒级完成特征理解和排序决策的结果。
近年来，大语言模型（LLM）在语义理解、内容生成和多步推理方面取得快速进展，推动业界重新审视推荐系统的形态：推荐是否可以不再局限于一次性打分和相似度匹配，而是像人类决策一样，在生成过程中进行多步推理与自我修正，逐步逼近用户的真实意图。
基于此，「生成式推荐」开始成为一个重要研究方向，尝试将 “理解 — 生成 — 推理” 融为一体，让推荐过程从静态匹配转变为面向用户意图的动态决策。
在实际电商环境中，生成式推荐面临的主要挑战不在于生成商品本身，而在于生成过程是否具备「可推理、可控且稳定」的能力。
电商场景下，用户行为信号噪声高、兴趣多样且频繁变化，模型需要在多步生成过程中持续校准语义方向、维持推理轨迹的一致性。若仍采用经典自回归解码，早期预测偏差容易被不断放大，推理路径收缩到少量固定模式，导致生成精度受限、长尾兴趣覆盖不足，难以稳定命中用户真实需求。
针对上述问题，阿里国际智能技术团队提出了基于推理增强范式的生成式推荐模型 REG4Rec。该模型从表征学习、训练目标和推理策略三个层面进行了系统设计，以提升生成式推荐的推理能力与稳定性。离线实验显示，REG4Rec 在多个关键指标上优于现有生成式方法，并呈现出随推理步数增加而性能持续提升的 Scaling Up 特性。
目前，REG4Rec 已在 Lazada 推荐广告场景完成大规模工业化部署。线上结果显示：广告收入提升 5.60%、商品交易总额（GMV）提升 3.29%、点击率提升 1.81%，带来显著商业收益。
本工作相关成果已被数据挖掘领域顶级会议 ICDE 2026 接收。
-
论文标题：REG4Rec: Reasoning-Enhanced Generative Model for Large-Scale Recommendation Systems
-
论文链接：https://arxiv.org/pdf/2508.15308
二、从判别打分走向多步生成，难点在于「推理」
长期以来，主流推荐模型大多遵循判别式范式：给定用户与候选物品，模型通过一次性打分来估计二者的交互概率。
这种方式高效且易于部署，但也天然受限，当用户兴趣快速演化、意图高度隐式且多维交织时，单次判别打分无法显式建模用户的决策路径，也无法在推理过程中对路径进行修正。换言之，它更擅长回答是不是，却不擅长回答你真正想要什么、以及为什么。
在这一背景下，生成式推荐开始受到关注。它把推荐从「一次判断」改写为「多步生成」：不再直接对候选打分，而是将物品表示从连续向量离散化为一串语义 ID（Semantic IDs），并让模型在解码阶段逐步生成这些 ID。每一步生成都在补全一部分意图线索、收缩候选语义空间，最终由一组语义 ID 组合定位到目标物品。
相比单次打分，这种范式天然接近推理式决策，模型在生成过程中主动选择、组合并纠偏，从而有机会捕捉更细粒度、更个性化的兴趣表达。
围绕语义 ID 与生成式范式，阿里国际智能技术团队在工业场景中持续探索。2024 年，团队将残差式语义 ID 引入召回阶段的负采样，实现了负样本难度与规模的可控调度（WWW’25 ESANS [1]）。
同时团队搭建并部署了行为大模型基座，针对多模态异构 token 带来的噪声问题，提出基于分层 Transformer 的去噪建模方案（SIGIR’25 HeterRec [2]）。这些前置工作表明，生成式范式的关键并不止于「能生成」，更在于如何让生成过程具备更强的「推理能力」与「可控性」。
基于此，团队提出了推理增强生成式推荐模型 REG4Rec，并将面临的核心挑战概括为三点：
-
挑战一：码本信息分布不均，步间语义割裂。当前主流生成式推荐方案多采用残差式层级语义 token，但在多步生成中存在两类问题。其一，语义信息过度集中在浅层，深层 token 的信息量随层数快速衰减，从而带来层间学习难度不一致、训练收敛不稳定等问题。其二，不同层级 token 之间语义关联弱，缺乏跨步承接，使后续生成难以有效利用前序先验，每一步都像在全新空间里重新开始，从而显著抬高整体解码难度。
-
挑战二：解码路径固定，难以刻画 “因人而异” 的决策逻辑。现有生成式推荐通常固定语义 ID 的生成顺序，相当于为所有用户预设同一条推理轨迹。然而，同一商品可能因品牌、风格、价格、类目等不同因素被不同用户触发，固定顺序限制了模型描绘「个体化决策路径」的能力，压缩了个性化表达空间。
-
挑战三：自回归解码的误差累积问题。生成式解码通常采用自回归方式，缺少对当前生成状态进行显式评估与修正的机制。一旦早期 token 出现偏差，错误便会在后续步骤中持续传导并逐步累积，最终导致失之毫厘，谬以千里。
三、REG4Rec：让生成式推荐从匹配走向多步推理
3.1 方案设计
针对上述挑战，REG4Rec 从语义 ID 表征、推理路径建模、推理增强训练和线上推理部署四个层面进行系统设计，构建端到端的生成式推理方案：
1. 超长并行语义码本：用 MMQ 并行码本替代 RQ-VAE 残差层级码本，缓解码本信息分布不均和步间语义割裂问题，使码本规模与推理步数能够稳定扩展。
2. 上下文感知的动态推理路径：在推理阶段支持自适应的 token 生成顺序，使解码路径随用户意图动态变化，更好刻画 “因人而异” 的决策逻辑。
3. 基于 GRPO 的推理增强：引入多维反馈信号（如 token 命中、类目一致性、语义一致性等）对推理过程做偏好对齐，提升对早期误差和错误前缀的鲁棒性，增强自我纠偏能力。
4. 基于反思剪枝与多步松弛的线上部署：在推理阶段引入一致性度量进行 “反思剪枝”，过滤语义不一致的解码路径。在商品检索时则允许少量 token 不匹配的模糊召回，在保证推理稳定性的同时提升长尾覆盖能力。
图 1 REG4Rec 算法架构
3.2 超长并行语义码本
工业界常用 RQ-VAE 来构造语义 ID，其残差层级结构更适合压缩表示，并不天然适配多步推理式生成。随着解码步数增加，新增码本往往难以贡献同等水平的增量语义信息，训练过程中也更容易出现层间收敛不同步的问题。
更重要的是，层级残差把语义拆到彼此相对割裂的空间里，后续步骤难以继承前序推理结果，导致多步生成难以实现「随步数增加而持续提升」，反而更容易放大早期偏差。这意味着如果不改变语义 ID 的组织方式，推理步数和收益都很难可持续扩展。
图 2 基于 MoE 的并行语义码本 MMQ
为了解决这些问题，阿里国际智能技术团队提出了一套基于 MoE 的并行语义码本方案 (WSDM’26 MMQ [3])。该方案通过多个专家从不同语义视角对同一商品进行编码，生成一组平行的语义 token 空间；同时引入路由机制，为各 token 维度清晰分工，避免语义信息过度集中在少数维度，其余维度逐步退化为残差噪声。
在这一设计下，码本规模与推理步数能够更稳健地扩展，为更长推理链路的 Scaling Up 奠定基础。同时，生成的核心目标也从「压缩商品表示」转向「刻画用户兴趣空间」：模型在多个语义维度上逐步推理出用户偏好，再通过检索策略从商品库中取回满足这些语义约束的目标物品。
3.3 上下文感知的动态推理路径
在现有生成式召回架构中，商品通常被编码为一条固定顺序的语义 token 序列，对于残差码本往往对应由粗到细的层级顺序。这种确定性表征隐含了一个强假设：所有用户都应沿着同一套语义维度依次理解商品。但在真实推荐场景中，用户的决策线索往往因人而异。同一商品包含品牌、价格带、颜色、款式等多维属性，不同用户产生兴趣的触发点可能完全不同，有人先看品牌，有人更在意外观风格，也有人优先关注价格。若解码顺序被绑定到单一静态路径，就相当于把不同用户的推理过程压缩到同一条决策链上，模型可表达的推理空间被显著收窄，个性化效果也因此受限。
图 3 基于上下文感知的动态推理路径
为此，REG4Rec 设计了上下文感知的动态推理路径。模型在每一步生成前，综合用户历史行为、实时意图信号以及已生成的 token 前缀，自适应决定下一步从哪个语义维度进行解码。这样，解码不再受预设顺序约束，而是围绕用户当前关注点动态选择并组合语义维度，逐步形成更贴近个体决策逻辑的推理轨迹。
这一设计将个性化能力前置到生成过程之中，使模型不仅学习「生成哪些语义线索」，也学习「先生成哪些线索、再补全哪些约束」。在并行码本提供的多视角语义空间上，动态路径显著扩展了可探索的推理组合，有助于更精准地捕捉复杂多变的用户意图。
3.4 基于 GRPO 的推理增强
受大语言模型中「推理即生成」范式的启发，REG4Rec 将推荐从传统的「表征匹配」升级为「可控的逻辑推理」，更细致地刻画用户行为背后的决策路径与真实兴趣。
为此，REG4Rec 在训练阶段引入强化学习框架，基于 GRPO 进行偏好对齐，引导模型在大规模生成空间中探索更优推理路径。奖励函数设计主要包括三类信号：
-
面向结果的奖励：根据生成结果与目标商品语义 ID 的命中程度给予奖励。即使前缀出现偏差，只要后续检索的商品命中目标，仍会持续给予正反馈，从而缓解自回归误差累积，并促使模型学到错误前缀下的更优策略，提升离线与线上表现的一致性。
-
面向过程的奖励：包含两项信号，一是类目命中奖励，在难以精确命中商品时先对齐到正确类目，为模型提供更稳定的中间目标；二是语义一致性奖励，约束相邻步骤的语义漂移，避免推理链路发生明显跳变，保障生成过程的连贯性。
-
面向集合检索的松弛奖励：当生成结果命中足够多的语义 token 即给予奖励，与线上集合检索逻辑对齐，促使模型学习更有效的 token 组合策略，从而提升长尾覆盖与整体鲁棒性。
通过上述 GRPO 后训练，模型能够在多步生成中更好平衡命中率、推理方向与语义连贯性，显著提升推理路径的可控性与结果稳定性。
3.5 基于反思剪枝与多步松弛的线上部署
在线上部署环节，REG4Rec 围绕稳定性与泛化性，对推理与检索两个关键环节做了针对性改造。
推理阶段的反思剪枝：在 Beam Search 扩展候选路径时，不再仅依赖累计生成概率进行排序，而是引入一致性信号，对生成轨迹进行在线「自检」。对于语义前后不连贯、出现明显漂移的路径及时剪枝，优先保留语义一致的候选，从而降低多步解码的不确定性，让输出更稳定、更可靠。
检索阶段的多步松弛：在商品检索时，不再将 token 序列完全一致作为硬约束，而是允许少量 token 不匹配的候选进入召回集合。这样可以显著降低局部预测偏差带来的漏召风险，同时几乎不增加额外推理开销，并进一步提升对长尾兴趣与相似商品的覆盖能力。
3.6 性能与效率：在大规模业务场景跑得动
训练优化：随着模型参数和推理步数增加，训练时间显著变长，对离线迭代速度带来压力。REG4Rec 团队从特征处理、高效率算子引入，量化和显存管理等多个维度进行优化，将单次训练时间缩短至原来的约一半，加快训练迭代和实验回收效率。部分关键的优化点如下：
推理优化：在生成式推荐的推理链路中，同样包含特征处理与模型计算部分。REG4Rec 的优化重点主要集中在模型推理侧，一方面借鉴 LLM 推理优化思路，另一方面结合搜索与广告场景下的生成式推荐特点进行定制化设计，主要包括：
通用优化：将 LLM 推理优化的方法应用到生成式推荐中，如 FlashAttention、量化、KV cache 等，以提升算子效率和硬件利用率。
定制优化：针对生成式召回中 beam size 增大会导致 batch size 膨胀的问题，引入 TreeAttention 等机制控制计算规模；同时开发多种高性能融合算子（基于 Triton 或 CUDA），进一步降低推理延迟。
四、实验
4.1 离线实验
为了验证 REG4Rec 的有效性，实验采用 Recall@K 和 NDCG@K 作为离线评估指标，并在三个公开数据集和一个工业数据集上，与多个主流推荐模型进行了系统对比。结果显示，REG4Rec 在各项核心指标上均显著优于现有的判别式与生成式推荐基线，整体召回效果取到了稳定领先。
图 4 REG4Rec 离线实验结果
此外，REG4Rec 在生成过程中引入了更长的推理与选择机制。在并行码本设定下，对比了不同推理步数对召回效果的影响。可以看到，随着推理步数增加，离线指标呈现稳定的 Scaling Up 趋势。模型能够在多步生成中逐步细化用户意图，并通过迭代推理持续收紧语义约束，从而生成结果更贴合个体偏好。
尤其当推理步数从 3 步提升到 5 步时，Recall 指标出现明显跃升，其中 Recall@1 提升 123%，Recall@100 提升 37%。当推理步数进一步增加到 6 步时，REG4Rec 的 Recall@100 开始超越传统检索式方法，这表明，推理增强的生成式推荐不仅在个性化表达与意图理解上具备优势，也在泛化能力与召回效果上超过判别式范式。
图 5 REG4Rec 推理步数 Scaling Up
4.2 在线实验
在阿里巴巴 Lazada 推荐广告业务中，REG4Rec 进行了超大规模线上 A/B 测试中。REG4Rec 在多项核心业务指标上取得显著提升，并已完成全流量推全。
图 6 REG4Rec 在线实验效果
五、总结与展望
生成式推荐正在从「能生成」走向「会推理」。当推荐不再停留在表征匹配，而是像大语言模型一样把推理过程纳入生成本身，模型就能在多步生成中持续思考、选择和反思，从而更贴近用户真实兴趣与决策逻辑。REG4Rec 沿着这一思路，将「推理即生成」的范式落到工业级推荐系统中，并围绕表征、训练与部署三条主线打通端到端链路。
在表征侧，MMQ 并行语义码本与动态解码空间共同扩展了更大规模的决策空间；在训练侧，基于 GRPO 的偏好对齐与多步奖励设计，显式引导模型在该空间内进行有效探索，逐步学习到更一致、更可靠的语义轨迹；在部署端，一致性驱动的反思剪枝配合多步松弛检索，在控制计算开销的同时抑制语义漂移、降低漏召风险，让生成策略与线上检索机制更自然对齐。展望未来，生成式推理仍有三条值得持续深入的方向：
-
更具结构化的反思纠偏机制：当前线上主要依靠一致性信号对解码轨迹做实时筛选与剪枝，能够有效压制语义漂移，但对早期错误往往缺少可学习的定位与修正能力。下一步更关键的是把反思从规则化过滤升级为模型内生的推理能力，在生成过程中引入结构化的反思与纠偏机制，让模型能够显式识别偏差并进行针对性修正，从源头缓解自回归带来的误差累积，进一步提升长链推理的稳定性与可控性。
-
更具差异性的多目标建模：电商推荐天然是多目标系统，点击信号密集而转化信号稀疏，二者的学习难度与决策逻辑并不对等，但不少方法在点击与转化上仍沿用近似同构的结构与训练目标。未来可以面向转化等高价值行为做更有针对性的建模与训练，让模型在推理时更聚焦高指示性线索，真正做到按目标组织推理路径与生成策略。
-
更灵活的奖励融合机制：目前的多奖励融合仍相对简单，难以刻画不同信号之间的协同与制约关系。后续需要探索更自适应的奖励融合与权衡策略，使模型在命中率、语义连贯、类目对齐与检索覆盖之间实现更稳定的平衡，持续逼近帕累托最优，并提升跨场景迁移与泛化能力。
团队介绍：本文来自阿里国际-智能技术-Lazada推荐广告算法团队。团队聚焦生成式推荐、大模型算法、用户超长序列建模与多场景建模等前沿方向，致力于构建工业级推荐大模型，通过更深刻地洞察用户个性化偏好与决策逻辑，持续提升商家投放效益与平台收益。近年来，团队在前沿算法领域持续深耕，已在 WWW、SIGIR、CIKM、WSDM 等顶级学术会议发表多篇高质量论文。也欢迎感兴趣的同学加入我们，共同开创AI推荐的新篇章。
组内前序工作：
[1]. Haibo Xing, Kanefumi Matsuyama, Hao Deng, Jinxin Hu, Yu Zhang, and Xiaoyi Zeng. 2025. ESANS: Effective and Semantic-Aware Negative Sampling for Large-Scale Retrieval Systems. In Proceedings of the ACM on Web Conference 2025 (Sydney NSW, Australia) (WWW ’25). Association for Computing Machinery, New York, NY, USA, 462–471.
[2]. Hao Deng, Haibo Xing, Kanefumi Matsuyama, Yulei Huang, Jinxin Hu, Hong Wen, Jia Xu, Zulong Chen, Yu Zhang, Xiaoyi Zeng, et al . 2025. Heterrec: Heterogeneous information transformer for scalable sequential recommendation. In Proceedings of the 48th International ACM SIGIR Conference on Research and Development in Information Retrieval. 3020–3024.
[3]. Yi Xu, Moyu Zhang, Chenxuan Li, Zhihao Liao, Haibo Xing, Hao Deng, Jinxin Hu, Yu Zhang, Xiaoyi Zeng, and Jing Zhang. 2025. MMQ: Multimodal Mixture-of-Quantization Tokenization for Semantic ID Generation and User Behavioral Adaptation. arXiv:2508.15281 [cs.IR] https://arxiv.org/abs/2508.15281
© THE END
转载请联系本公众号获得授权
投稿或寻求报道：liyazhou@jiqizhixin.com