工业广告中生成式推荐的统一价值对齐
信息检索
2026-05-08 v1
摘要
生成式推荐（GR）将推荐重新表述为下一个 token 生成问题，并在工业应用中展现出前景。然而，将 GR 扩展到工业广告并非易事，因为系统不仅要优化用户兴趣，还要优化商业价值。现有的 GR 流水线在很大程度上仍以语义为中心，难以在 tokenization、解码和在线服务之间对齐价值信号。为了解决这个问题，我们提出了 UniVA，一个用于广告推荐的统一价值对齐框架。我们首先引入了一个 Commercial SID tokenizer，将与价值相关的属性注入到 SID 构造中，产生具有价值区分度的物品表示。然后，我们开发了一个由监督学习和 eCPM 感知强化学习联合优化的 Generation-as-Ranking SID Decoder，它将价值分数融合到下一个物品 SID 生成中，从而在一个解码过程中同时执行生成和排序。最后，我们设计了一种价值引导的个性化束搜索，将 generation-as-ranking logits 重用为在线价值指导，并应用个性化 trie 树将解码约束为请求有效的 SID 路径。在腾讯微信视频号广告平台上的实验表明，UniVA 在离线 Hit Rate@100 上比基线提高了 37.04%，并在在线 A/B 测试中实现了 1.5% 的 GMV 提升。
引用
@article{arxiv.2605.05803,
title = {Unified Value Alignment for Generative Recommendation in Industrial Advertising},
author = {Xinxun Zhang and Yuling Xiong and Jiale Zhou and Zhengkai Guo and Zhennan Pang and Junbang Huo and Jingwen Wang and Xuyang Sun and Enming Zhang and Jiaguang Jin and Changping Wang and Yi Li and Jun Zhang and Xiao Yan and Jiawei Jiang and Jie Jiang},
journal= {arXiv preprint arXiv:2605.05803},
year = {2026}
}
备注
10 pages, 4 figures