EAGER-LLM通过知识索引和多尺度对齐提升LLM推荐效果，融合外源行为与语义信息。
Minjie Hong, Yan Xia, Zehan Wang 等
提出DualIPW模型，结合查询级与位置级点击倾向估计，缓解相关偏差。
Lulu Yu, Keping Bi, Jiafeng Guo 等
LLM驱动的推荐系统代理通过自然语言交互提升用户体验和推荐解释性。
Qiyao Peng, Hongtao Liu, Hua Huang 等
CreAgent结合游戏理论和LLM模拟平台创作者行为，提升长期推荐系统评估的可靠性。
Xiaopeng Ye, Chen Xu, Zhongxiang Sun 等
LiveForesighter用Transformer预测直播高光趋势与未来商品，已部署于覆盖4亿日活用户的快手服务。
Yucheng Lu, Jiangxia Cao, Xu Kuan 等
提出MMDocIR基准，结合页面和布局层面多模态检索，显著优于文本检索，推动长文档理解。
Kuicai Dong, Yujing Chang, Xin Deik Goh 等
提出基于音程的符号音乐标记法，提升模型性能和可解释性。
Dinh-Viet-Toan Le, Louis Bigo, Mikaela Keller
SMORE模型通过频域融合减少噪声，提高多模态推荐准确性。
Rongqing Kenneth Ong, Andy W. H. Khong
推荐系统中的遗忘研究，探讨消除特定训练数据记忆的方法和挑战。
Yuyuan Li, Xiaohua Feng, Chaochao Chen 等
提出2D Matryoshka训练方法，结合多层次、多维度嵌入，显著提升STS和检索任务性能。
Shuai Wang, Shengyao Zhuang, Bevan Koopman 等
提出轻量化在线召回模型的缩放定律，利用离线指标R/R*预测在线收益。
Yunli Wang, Zhen Zhang, Zixuan Yang 等
提出基于LLM的Geo-Time Re-ranking模型，在LEO数据集上实现相似事件推荐性能提升。
Yuanyuan Tian, Wenwen Li, Lei Hu 等
提出自校准列表式重排序方法SCaLR，利用显式相关性评分提升效率与全局比较能力。
Ruiyang Ren, Yuhao Wang, Kun Zhou 等
VisRAG利用视觉-语言模型（VLM）实现多模态文档的检索增强生成，提升性能20-40%。
Shi Yu, Chaoyue Tang, Bokai Xu 等
提出基于领域适应的反事实奖励模型，用于广告排序模型的离线评估，优于IPS和非泛化模型。
Mohamed A. Radwan, Himaghna Bhattacharjee, Quinn Lanners 等
提出Vulnerability-aware Adversarial Training（VAT），根据用户拟合度调节扰动大小，增强推荐系统抗毒性。
Kaike Zhang, Qi Cao, Yunfan Wu 等
本研究分析百度ULTR数据集上两塔模型的日志策略偏差影响，发现偏差条件满足但未显著影响模型性能。
Morris de Haan, Philipp Hager
Promptriever为首个可用指令提示的检索模型，基于MS MARCO的500k实例训练，显著提升指令遵循能力。
Orion Weller, Benjamin Van Durme, Dawn Lawrie 等
TRC Bench评测19个LLM，系统梳理RAG六维可信性
Yujia Zhou, Wenbo Zhang, Jingying Shao 等
提出多类别负采样策略，提升推荐模型对硬负样本的识别能力。
Haokai Ma, Ruobing Xie, Lei Meng 等