傅聪团队新作：OnePiece！通用生成式推荐模型新范式

生成式推荐无疑是当前推荐系统领域最热门的方向，也是互联网应用中最前沿的研究主题之一。

从技术路径来看，生成式推荐主要沿着两大方向展开：一是基于大语言模型的推荐方法（LLM as Recommender），二是以生成式方式训练推荐模型（Generative Recommender）。

然而，在真实业务场景中，由于线上服务对成本极为敏感，LLM as Recommender 的落地仍面临显著挑战。这主要源于大语言模型在推理时通常需要大量显卡资源，且响应延迟较高，难以满足大规模推荐系统对高并发和低延时的严格要求。

另一方面，生成式推荐模型虽然在效率上更具优势，却难以具备类似大语言模型的推理能力。这主要是因为典型的生成式推荐模型通常基于用户历史行为序列进行训练，而该序列往往表示为一组物品 ID 序列：[item-1, item-2, item-3, …]。可以说，物品 ID 构成了推荐系统特有的“语言体系”。大语言模型之所以能够模仿人类的推理过程，很大程度上依赖于文本作为信息媒介，从而逐步解决问题。但在仅由 ID 构成的语义空间中，我们难以构造类似的“思维链条”来引导模型执行复杂推理，更无法像大语言模型那样实施上下文工程。

此外，传统生成式推荐模型（如 SasRec）通常仅接受物品 ID 或语义 ID 作为输入，不支持多模态或手工特征的引入。这一限制使得推荐系统长期积累的“特征工程”经验难以发挥价值，同时也制约了模型效果的进一步提升。

在这一背景下，来自 Shopee 的傅聪技术团队联合人大高瓴学院提出了一种全新的生成式推荐模型——OnePiece 范式，这是业内首个融合上下文工程、隐式推理和多目标训练策略的生成式搜推建模框架！

论文链接：

该范式的核心创新包括三个方面：针对物品 ID 序列特点专门设计的上下文工程策略；基于隐式推理的块状推理（block-wise reasoning）技术；以及通过渐进式多目标训练强化推理过程监督的学习机制。

目前，OnePiece 已在 Shopee 个性化主搜索场景上线，并取得效果提升。这一实践不仅验证了生成式推荐在工业场景的可行性，更为构建通用生成式推荐模型迈出了关键性的第一步。

核心方法

LLM 的成功不仅仅源于其优秀的 scaling law，也源于上下文工程、推理能力。从真实系统应用角度思考，推荐模型需要实现极致的“性价比”，也就是实现一个大小适中，但能尽可能吸收 LLM 领域成功经验的模型。因此，生成式推荐模型不能过度依赖 scaling law，即膨胀模型参数来获取增量收益，也需要迁移上下文工程、推理等相关成功经验到推荐领域。

首先，从上下文工程角度看，研究团队主要利用的是 LLM 基于上下文工程的指令（prompt）做（test-time）few shot learning的能力。而 few shot learning 用大白话讲就是举例子，希望模型能获得举一反三的能力。而这种数据，后来也逐渐被固化到训练数据中，被称为 Instruct Following SFT。放到以 “item ID” 为语言体系的推荐数据上，可以举出的“例子”，就是一些用户可能会交互的“锚点物品序列”来实现。例如，在 Shopee Search 场景，他们把用户们在某个关键词下面的高频点击商品序列、高频下单商品序列，作为“样例”拼接在用户自己的交互序列之后，通过引入 domain expert knowledge 的方式引入一些特殊的 inductive bias。

他们提出了上下文工程框架不只有“锚点序列”，更多细节如下图：

其中：

•  

  Interation History（IH）：就是常规理解的用户行为历史。

   

•  

  Preference Anchors（PA）：根据工程师的领域知识，构造的锚点序列，辅助引导预测和思考方向。

   

•  

  Situational Descriptor（SD）：一些表达场景或其它异构信息的特殊 token，一般放在序列末尾聚合信息，例如在搜索场用到的 user token、query token 等。

   

•  

  Candidate Item Set（CIS）：潜在目标候选物品的集合，这个是 ranking 模式下特有的，也是相对于召回模式的优势所在，ranking 模式下，候选物品对模型可见，可提供更多上下文信息。

   

为了能够自然融合“特征工程”的知识，他们在每个 token 位置上叠加了 item ID 以外特征信息，用简单的 adapter（MLP）来压缩到一个 token 位置上：