SCASRec：面向生成式路线列表推荐的自纠正与自停止模型
信息检索
2026-05-11 v3
摘要
路线推荐系统通常采用包含精细排序和重排序的多阶段管道以产生高质量的有序推荐。然而，这种范式面临三个关键局限性。首先，离线训练目标与在线指标之间存在偏差。离线收益不一定转化为在线改进。实际性能必须通过 A/B 测试验证，这可能会潜在地损害用户体验。其次，冗余消除依赖于刚性的人工制定规则，这些规则缺乏对用户意图高度波动和真实场景复杂性的适应性。第三，精细排序和重排序阶段的严格分离导致次优性能。由于每个模块都是在孤立情况下优化的，精细排序阶段对重排序器所针对的列表级目标（例如多样性）毫无所知，从而阻止了系统实现联合优化的全局最优。为克服这些交织的挑战，我们提出SCASRec（Self-Correcting and Auto-Stopping Recommendation），一个统一的生成框架，将排序和冗余消除集成到单个端到端过程中。SCASRec引入分步纠正奖励（SCR）以聚焦困难样本，引导列表级细化，并采用可学习的 End-of-Recommendation（EOR）标记在预期不再提高时自适应终止生成。在两个大规模开源路线推荐数据集上的实验表明，SCASRec 在离线和在线设置中建立了SOTA。SCASRec 已在实际导航应用中完全部署，证明了其有效性。
引用
@article{arxiv.2602.03324,
title = {SCASRec: A Self-Correcting and Auto-Stopping Model for Generative Route List Recommendation},
author = {Chao Chen and Longfei Xu and Daohan Su and Tengfei Liu and Hanyu Guo and Yihai Duan and Kaikui Liu and Xiangxiang Chu},
journal= {arXiv preprint arXiv:2602.03324},
year = {2026}
}