中科大 LDS 实验室何向南、王翔团队与 Alpha Lab 张岸团队联合开源 MiniOneRec，推出生成式推荐首个完整的端到端开源框架，不仅在开源场景验证了生成式推荐 Scaling Law，还可轻量复现「OneRec」，为社区提供一站式的生成式推荐训练与研究平台。
近年来，在推荐系统领域，传统 "召回 + 排序" 级联式架构的收益正逐渐触顶，而 ChatGPT 等大语言模型则展现了强大的涌现能力和符合 Scaling Law 的巨大潜力 ------ 这股变革性的力量使 "生成式推荐" 成为当下最热门的话题之一。不同于判别式模型孤立地计算用户喜欢某件物品的概率，"生成式推荐" 能够利用层次化语义 ID 表示用户历史行为序列，并基于生成式模型结构直接生成用户下一批可能交互的物品列表。这种推荐模式显著提升了模型的智能上限，并为推荐场景引入 Scaling Law 的可能性。
快手 OneRec 的成功落地，更是彻底引爆了推荐圈子。凭借端到端的推荐大模型，重构现今的推荐系统不再是空谈，它已证明是一场资源可控、能带来真实线上收益的推荐革命。
然而，对于这一可能革新整个推荐系统的新范式，各大厂却讳莫如深，核心技术细节与公开表现鲜有披露。开源社区与一线大厂的探索似乎正在脱钩，技术鸿沟日渐明显。
如何破局？
近日，中国科学技术大学 LDS 实验室何向南、王翔团队联合 Alpha Lab 张岸团队正式发布 MiniOneRec。这一框架作为生成式推荐领域首个完整开源方案，为社区提供了全链路、一站式、端到端的训练与研究平台。
-
论文标题：MiniOneRec: An Open-Source Framework for Scaling Generative Recommendation
-
Huggingface 链接： huggingface.co/kkknight/Mi...
核心贡献：
-
端到端流程支持：从 SID 生成、 模型监督微调、 推荐驱动的强化学习，全链路打通。
-
开源场景 Scaling Law 验证：首次在开源数据与模型上，验证了生成式推荐的 Scaling Law。
-
优化后训练框架：提供一套轻量、完整的后训练框架，并引入多项针对推荐任务的改进。
自 10 月 28 日发布以来，MiniOneRec 就广受推荐社区关注。其代码、数据集、模型权重已全部开源，仅需 4-8 卡 A100 同级算力即可轻松复现。
- 首次公开数据集验证生成式推荐 Scaling Law：
研究人员首次在公共数据集上，验证了生成式推荐模型的 Scaling Law。
图 1. 模型参数从 0.5B 到 7B 的训练 Loss 变化。
团队在 Amazon Review 公开数据上，以统一的设置训练了从 0.5B 到 7B 的 MiniOneRec 版本。结果惊艳：随着模型规模（训练 FLOPs）的增大，最终训练损失和评估损失持续下降，充分展示了生成式推荐范式在参数利用效率上的优势。
- MiniOneRec 核心技术框架：
该框架提供一站式的生成式推荐轻量实现与改进，具体包括:
（1）丰富的 SID Construction 工具箱
MiniOneRec 为开源社区提供了丰富的的 SID Construction 工具选择，已集成 RQ-VAE, RQ-Kmeans, RQ-VAE-v2 (Google 最新工作 PLUM), 并将更新 RQ-OPQ 在内的先进量化算法实现。
下一步，团队正积极更新接口，以对齐业界的多模态需求。
（2）引入世界知识：全流程 SID 对齐策略
研究人员验证了一个关键发现：引入大模型世界知识，能显著提升生成式推荐的性能。团队分别评测了 MiniOneRec 与其变体在不同训练阶段的性能表现，具体包括:
-
MiniOneRec-Scratch: 基于随机初始化的 LLM 权重训练，不做任何 SID - 文本对齐任务。
-
MiniOneRec- W/O ALIGN: 基于预训练 LLM 进行后训练，不做任务 SID - 文本对齐。
-
MiniOneRec: 基于预训练 LLM 进行后训练，并进行全流程的 SID 对齐。
图 3. 世界知识对于生成式推荐性能的影响。
结果显示，基于预训练 LLM 初始化并进行语义对齐的 MiniOneRec（红线）始终优于未充分对齐的对应变体（黄 / 蓝线）。这表明预训练 LLM 已具备的通用序列处理能力和世界知识，为推荐任务带来了显著的额外收益。
基于此发现，MiniOneRec 将 SID token 添加至 LLM 词表，并在 SFT 和 RL 阶段共同优化推荐与对齐两大任务，将 LLM 语言空间与 SID 信号紧密对齐。
（3）独家优化：面向推荐的强化学习策略
图 4. MiniOneRec 框架。
MiniOneRec 基于 GRPO, 进一步实现了面向推荐的强化学习算法，具体包括
- 面向推荐的采样策略
由于采取 Constrained-Decoding 策略规范模型生成合法 SID，模型的输出被限制在远比自然语言狭窄的有限空间。随着强化学习训练的深入，传统采样策略的熵迅速降低，使得模型在多次采样时容易反复生成相同的冗余物品，导致优化效率低下。基于这个发现，MiniOneRec 替换常规采样策略为 Constrained Beam-Search，高效生成多样化的候选物品，兼顾采样效率和对负样本的曝光率。
- 面向推荐的奖励塑造
推荐场景用户交互稀疏，常规的二元奖励使得负样本 "坍缩" 为同一奖励值，使得强化学习监督信号粒度粗糙。MiniOneRec 在准确性奖励之外，创新性引入排名奖励，对于高置信度 "困难负样本" 施加额外惩罚，从而强化排序信号的区分度。
- 开源基准测试全面领先
在同一 Amazon 基准上，研究人员将 MiniOneRec 同当前 SOTA 的传统推荐范式、生成式推荐范式、基于大模型的推荐范式进行了全面对比。
图 5. MiniOneRec 同传统推荐、生成式推荐、LLM 推荐性能对比。
结果显示，MiniOneRec 展现出全面的领先优势:
在 HitRate@K 和 NDCG@K 两项推荐指标上，MiniOneRec 始终显著优于以往的传统推荐范式与生成式推荐范式，领先 TIGER 约 30 个百分点。而对于基于大模型的推荐范式，MiniOnRec 呈现总体的领先的同时拥有显著的上下文 token 优势。
这表明，生成式推荐作为可能的下一代推荐范式拥有显著潜力。
- 生成式推荐的展望与思考：
生成式推荐会成为下一代推荐系统的新范式吗？这个问题似乎还难以有一个定论。
一方面，以美团 MTGR、淘天 URM 等为代表的推荐系统 "改革派"，利用生成式架构的长序列建模等能力赋能判别式，在现有的体系内基于 "生成式召回" 方案进行增量改进。
另一方面，以快手 OneRec 为代表的更为激进的 "革命派"，则想要直接颠覆传统多阶段级联的判别式方案、实现真正端到端自回归地生成用户兴趣列表。
虽然两条路线取舍不同，但都在规模化实践中验证了生成式范式的实际价值。对部分大厂而言，生成式范式已经走出 "可行性验证" 阶段，开始在业务上创造真实收益。相较于业界的快速推进，学术界与开源社区在这一方向仍显薄弱。面对这场可能重塑推荐技术版图的机遇，我们期待更多研究者与工程实践者大胆尝试，拥抱这或许是推荐领域的 "GPT 时刻"。