社区推荐重排技术：双阶段框架的实践与演进｜得物技术

一、背景

推荐系统典型pipeline

在推荐系统多阶段Pipeline（召回→粗排→精排→重排）中，重排作为最终决策环节，承担着将精排输出的有限候选集（通常为Top 100--500个Item）转化为最优序列的关键职责。数学定义为在给定候选集 <math xmlns="http://www.w3.org/1998/Math/MathML"> C = { x 1 , x 2 , ... ... , x n } C = \lbrace x_1,x_2,......,x_n \rbrace </math>C={x1,x2,......,xn}与目标列表长度 <math xmlns="http://www.w3.org/1998/Math/MathML"> L L </math>L，重排的目标是寻找一个排列 <math xmlns="http://www.w3.org/1998/Math/MathML"> π ∗ ∈ P ( C , L ) \pi^* \in P(C,L) </math>π∗∈P(C,L)，使得全局收益函数最大化。

在推荐系统、搜索排序等AI领域，Pointwise 建模是精排阶段的核心方法，即对每个 Item 独立打分后排序，pointwise 建模范式面临挑战：

• 多样性约束：精排按 item 独立打分排序 → 高分 item 往往语义/类目高度同质（如5个相似短视频连续曝光）。
• 位置偏差：用户注意力随位置显著衰减，且不同item对位置敏感度不同。
• 上下文建模：用户决策是序列行为，而非独立事件。

二、重排架构演进：生成式模型实践

我们的重排系统采用G-E两阶段协同框架：

• 生成阶段（Generation）：高效生成若干高质量候选排列。
• 评估阶段（Evaluation）：对候选排列进行精细化打分，选出全局最优结果。

不考虑算力和耗时的情况下，通过穷举所有排列 <math xmlns="http://www.w3.org/1998/Math/MathML"> P ( C , L ) P(C,L) </math>P(C,L)。

生成阶段主要依赖启发式规则、随机扰动 + beamSearch算法生成候选list，双阶段范式存在显著的痛点：

• 质量-延迟-多样性的"不可能三角"：在实践中，增加生成候选list数一般可以提升最终list的质量，但边际收益递减；优化过程中，我们通过增加多目标、多样性等策略都取得了消费指标的提升，但在候选list达到百量级时，单纯增加候选集对指标的提升，同时还有：

1. 增加beam width，系统耗时增加，DCG@K提升逐渐减少。

2. 增加通道数，通道间重叠度逐渐增加，去重list增加逐渐减少。

• 阶段间目标不一致：

1. 分布偏移：启发式生成Beam Search输出的Top排列中，20%被评估模型否定，生成阶段搜索效率浪费。

2. 梯度断层：Beam Search含argmax操作，双阶段无法端到端优化；生成模型无法感知评估反馈，优化方向偏离全局最优。

生成模型优化

生成分为启发式方法和生成式模型方法, 一般认为生成式模型方法要好于启发式方法。生成式模型逐渐成为重排主流范式，主要分为两类：自回归生成模型、非自回归生成模型。

• 自回归生成：按位置顺序逐个生成物品，第 t 位的预测依赖前 t-1 位已生成结果。

1. 优点：

a. 序列依赖建模强，天然捕获物品间的顺序依赖。

b. 训练简单稳定，每步使用真实前序作为输入，收敛快。

c. 生成质量高，逐步细化决策，适合长序列精细优化。

2. 缺点：

a. 推理延迟高，生成 L 个物品需 L 次前向传播，线上服务难以满足毫秒级要求。

b. 局部最优风险，早期错误决策无法回溯修正，影响整体序列质量。

• 非自回归生成：一次性预测整个推荐序列的所有位置，各位置预测相互独立。

1. 优点：

a. 推理速度极快：生成整个序列仅需1次前向传播。

2.缺点：

b.条件独立性假设过强：各位置并行预测，难以显式建模物品间复杂依赖关系。

非自回归模型

为了对齐双阶段一致性，同时考虑线上性能，我们推进了非自回归模型的上线。模型结构如下图：

模型包括Candidates Encoder和Position Encoder，Candidates Encoder是标准的Transformer结构, 用于获取item间的交互信息；Position Encoder额外增加了Cross Attention，期望Position序列同时关注Candidate序列。

• 模型特征：用户信息、item特征、位置信息、上游精排打分特征。
• 模型输出：一次性输出 n×L 的位置-物品得分矩阵（n 为候选 item 数，L 为目标列表长度），支持高效并行推理

<math xmlns="http://www.w3.org/1998/Math/MathML" display="block"> p ^ i j = exp ⁡ ( x i ⊤ t j ) ∑ i = 1 n exp ⁡ ( x i ⊤ t j ) \hat{p}_{ij} = \frac{\exp(\mathbf{x}_i^\top \mathbf{t}j)}{\sum{i=1}^n \exp(\mathbf{x}_i^\top \mathbf{t}_j)} </math>p^ij=∑i=1nexp(xi⊤tj)exp(xi⊤tj)

• 位置感知建模：引入可学习位置嵌入，显式建模"同一 item 在不同位置表现不同"的现象（如首屏效应、位置衰减）。
• 训练目标：模型使用logloss，让正反馈label序列的生成概率最大, 同时负反馈label序列的生成概率最小：

<math xmlns="http://www.w3.org/1998/Math/MathML" display="block"> L log ⁡ = − ∑ i [ p i j y i log ⁡ ( p i j ^ ) + p i j ( 1 − y i ) log ⁡ ( 1 − p i j ^ ) ] \mathcal{L}{\log} = -\sum{i} \big[ p_{ij}y_i \log(\hat{p_{ij}}) + p_{ij}(1-y_i) \log(1-\hat{p_{ij}}) \big] </math>Llog=−i∑[pijyilog(pij^)+pij(1−yi)log(1−pij^)]

其中， <math xmlns="http://www.w3.org/1998/Math/MathML"> p i j p_{ij} </math>pij表示位置i上是否展示物品j， <math xmlns="http://www.w3.org/1998/Math/MathML"> y i y_{i} </math>yi表示位置i上的label。

线上实验及收益：

• 一期新增了非自回归生成通道，pvctr +0.6%，时长+0.55%。
• 二期在所有通道排序因子中bagging非自回归模型，pvctr +1.0%，时长+1.13%。

自回归模型

由于条件独立性假设, 非自回归模型对上下文信息建模是不够的，近期我们重点推进了自回归模型的开发。

模型通过Transformer架构建模list整体收益，我们使用单向transformer模拟用户浏览行为的因果性，同时解决自回归生成的暴露偏差问题，保持训练和推理的一致性。结构如下：

• 模型特征：用户信息、item特征、位置信息、上游精排打分特征。
• 训练目标：模型使用有序回归loss，在评估多个回合中不同长度的子列表时，能够很好地体现出序列中的增量价值。是用于判断长度为j的子列表是否已经达到i次点击或转化的损失函数。

<math xmlns="http://www.w3.org/1998/Math/MathML" display="block"> L i , j ( θ j ) = − ∑ k = 1 N ( [ y k < i ] log ⁡ ( 1 − p i , j ( x k ) ) + [ y k ≥ i ] log ⁡ ( p i , j ( x k ) ) ) L_{i,j}(\theta_j) = -\sum_{k=1}^{N} \left([y_k < i]\log(1-p_{i,j}(x_k)) + [y_k \geq i]\log(p_{i,j}(x_k))\right) </math>Li,j(θj)=−k=1∑N([yk<i]log(1−pi,j(xk))+[yk≥i]log(pi,j(xk)))

线上模型推理效率优化及实验效果：

自回归生成模型推理延迟高，生成 L 个物品需 L 次前向传播，线上服务难以满足毫秒级要求。因此，我们在传统自回归生成模型的基础上增加MTP（multi token prediction）结构，突破生成式重排模型推理瓶颈。其核心思想是将传统自回归的单步预测扩展为单步多token联合预测，显著减少生成迭代次数。

自回归生成模型在社区推荐已完成了推全，实验中我们新增了自回归生成模型通道，但不是完全体，仅部分位置生成调用了模型：

• 一期调用两次模型，每次预测4个位置，pvctr +0.69%，有效vv +0.58%。
• 二期调用两次模型，每次预测5个位置，pvctr +0.54%，有效vv +0.40%。

三、推理性能优化：端到端生成的效率保障

工程架构

为解决CPU推理模型延迟高、制约业务效果的问题，我们对DScatter模型服务进行升级，引入高性能GPU推理能力，具体方案如下：

• GPU推理框架集成与升级：

1. 框架升级：将现有依赖的推理框架升级为支持GPU的高性能服务框架。

2. 硬件资源引入：引入 NVIDIA L20 等专业推理显卡，为当前的listwise评估模型及自回归生成模型提供专用算力，实现模型推理的硬件加速。

• DScatter模型服务独立部署与容量提升：

1. 为解决模型部署效率低与资源竞争问题，将DScatter的模型打分逻辑从现有重排服务中完全解耦，构建并部署独立的 DScatter-Model-Server 集群，从根本上消除与重排服务在CPU、内存等关键资源上的竞争。

模型优化

• 模型格式转换与加速：

导出为 ONNX 格式，使用 TensorRT 进行量化、层融合、动态张量显存等技术加速推理。

• Item Embedding缓存：

预计算item静态网络，线上直接查询节省计算量。

• 自回归生成模型核心优化，KV Cache 复用：

缓存已生成token的KV和attention值，仅计算增量token相关值，避免重复计算。

• 其他LLM推理加速技术应用落地，例如GQA

四、未来规划：迈向端到端序列生成的下一代重排架构

当前"生成-评估"双阶段范式虽在工程落地性上取得平衡，但其本质仍是局部优化：生成阶段依赖启发式规则或浅层模型生成候选，评估阶段虽能识别优质序列，却无法反向指导生成过程，导致系统能力存在理论上限。为突破这一瓶颈，我们规划构建端到端序列生成（End-to-End Sequence Generation） 架构，将重排从"候选筛选"升级为"序列创造"，直接以全局业务目标（如用户停留时长、互动深度、内容生态健康度）为优化目标。

核心架构设计：

• 统一生成器：以 Transformer 为基础架构，搭建自回归序列建模能力，采用分层混合生成策略：

1. 粗粒度并行生成：首层预测序列骨架（如类目分布、内容密度）等。

2. 细粒度自回归精调：在骨架约束下，自回归生成具体 item，确保局部最优。

• 序列级Reward Modeling：

1. 构建多目标 reward 函数：xtr、多样性。

2. Engagement：基于用户滑动轨迹建模序列累积收益（如滑动深度加权CTR）。

3. Diversity：跨类目/创作者/内容形式的分布熵。

4.Fairness：冷启内容、长尾创作者曝光保障。

训练范式升级：强化学习与对比学习融合

推进自回归生成模型的架构升级与训练体系重构，引入强化学习微调（PPO/DPO）与对比学习机制，提升序列整体效率。

• 搭建近线系统，生成高质量list候选，提升系统能力上限：

1.基于 DCG 的列表质量打分：

a. 对每个曝光列表L，计算其 DCG@K作为质量分数：
<math xmlns="http://www.w3.org/1998/Math/MathML" display="block"> DCG ( L ) = ∑ j = 1 K gain ( i t e m j ) log ⁡ 2 ( j + 1 ) \text{DCG}(L) = \sum_{j=1}^{K} \frac{\text{gain}(item_j)}{\log_2(j + 1)} </math>DCG(L)=j=1∑Klog2(j+1)gain(itemj)

其中 gain(item)可定义为：

若点击：+1.0

若互动（点赞/收藏）：+1.5

若观看 >5s：+0.8

否则：0

2.构造偏好对：

a.对同一用户在同一上下文下的两个列表 <math xmlns="http://www.w3.org/1998/Math/MathML"> L w L_w </math>Lw（win）和 <math xmlns="http://www.w3.org/1998/Math/MathML"> L l L_l </math>Ll（lose）。

b.若 <math xmlns="http://www.w3.org/1998/Math/MathML"> D C G ( L w ) > D C G ( L l ) + δ DCG(L_w) > DCG(L_l) + \delta </math>DCG(Lw)>DCG(Ll)+δ（δ 为 margin，如 0.1），则构成一个有效偏好对。

• 引入强化学习微调（PPO/DPO）与对比学习机制，提升序列整体效率：

1. 模型结构：

a.使用当前自回归生成模型作为策略模型。

b.固定预训练模型作为参考策略 （即 DPO 中的"旧策略"）。

2.DPO损失：
<math xmlns="http://www.w3.org/1998/Math/MathML" display="block"> L DPO ( θ ) = − E ( x , y w , y l ) ∼ D [ log ⁡ σ ( β ( log ⁡ π θ ( y w ∣ x ) π ref ( y w ∣ x ) − log ⁡ π θ ( y l ∣ x ) π ref ( y l ∣ x ) ) ) ] \mathcal{L}{\text{DPO}}(\theta) = -\mathbb{E}{(x, y_w, y_l) \sim \mathcal{D}} \left[ \log \sigma \left( \beta \left( \log \frac{\pi_\theta(y_w \mid x)}{\pi_{\text{ref}}(y_w \mid x)} - \log \frac{\pi_\theta(y_l \mid x)}{\pi_{\text{ref}}(y_l \mid x)} \right) \right) \right] </math>LDPO(θ)=−E(x,yw,yl)∼D[logσ(β(logπref(yw∣x)πθ(yw∣x)−logπref(yl∣x)πθ(yl∣x)))]

• 技术价值：

1. 突破"质量-延迟-多样性"不可能三角：通过序列级优化，在同等延迟下实现质量与多样性双提升。

2. 为AIGC与推荐融合铺路：端到端生成器可无缝接入AIGC内容，实现"内容生成-序列编排"一体化。

参考文献：

1. Gloeckle F, Idrissi B Y, Rozière B, et al. Better & faster large language models via multi-token prediction[J]. arXiv preprint arXiv:2404.19737, 2024.
2. Ren Y, Yang Q, Wu Y, et al. Non-autoregressive generative models for reranking recommendation[C]//Proceedings of the 30th ACM SIGKDD Conference on Knowledge Discovery and Data Mining. 2024: 5625-5634.
3. Meng Y, Guo C, Cao Y, et al. A generative re-ranking model for list-level multi-objective optimization at taobao[C]//Proceedings of the 48th International ACM SIGIR Conference on Research and Development in Information Retrieval. 2025: 4213-4218.
4. Zhao X, Xia L, Zhang L, et al. Deep reinforcement learning for page-wise recommendations[C]//Proceedings of the 12th ACM conference on recommender systems. 2018: 95-103.
5. Feng Y, Hu B, Gong Y, et al. GRN: Generative Rerank Network for Context-wise Recommendation[J]. arXiv preprint arXiv:2104.00860, 2021.
6. Pang L, Xu J, Ai Q, et al. Setrank: Learning a permutation-invariant ranking model for information retrieval[C]//Proceedings of the 43rd international ACM SIGIR conference on research and development in information retrieval. 2020: 499-508.

往期回顾

1.Flink ClickHouse Sink：生产级高可用写入方案｜得物技术

2.服务拆分之旅：测试过程全揭秘｜得物技术

3.大模型网关：大模型时代的智能交通枢纽｜得物技术

4.从"人治"到"机治"：得物离线数仓发布流水线质量门禁实践

5.AI编程实践：从Claude Code实践到团队协作的优化思考｜得物技术

文 /张卓

关注得物技术，每周一、三更新技术干货

要是觉得文章对你有帮助的话，欢迎评论转发点赞～

未经得物技术许可严禁转载，否则依法追究法律责任。