采用Gini系数、类别空缺指数和置换分数，分析50品牌在3大LLM模型中的推荐集中度，发现集中度中等，平台间存在显著差异。

Dmitrij Żatuchin

提出SPRINT方法解决Transformer推荐系统扩展时的流行度偏差问题，提升准确性和公平性。

Weiqin Yang, Yue Pan, Chongming Gao 等

ELVA采用排名驱动的强化学习框架，有效缓解多模态检索中的粒度盲区，提升13.1%的MRBench性能。

Yuhan Liu, Pei Fu, Hang Li 等

ScholarQuest基于分类体系，涵盖1000+计算机科学主题，采用多样化查询设计，构建自动化答案，提升学术搜索的系统评估能力。

Tingyue Pan, Mingyue Cheng, Daoyu Wang 等

本研究提出RecLoop框架，比较生成式推荐与传统推荐在信息茧房中的表现，发现生成式推荐在曝光多样性方面表现优越，但仍受反馈循环影响。

Jiyuan Yang, Gengxin Sun, Mengqi Zhang 等

提出随机排序风险的理论框架，基于DCG变化分析最坏情况偏差，验证实验显示预测偏差与实际接近。

Debasis Ganguly

提出CQC-RAG，通过跨查询一致性提升检索增强生成的鲁棒性，实验在TriviaQA和MuSiQue上分别超越基线4.76和9.12个百分点。

Yanjia Sun, Sifan Liu, Jie Shao

miniReranker通过视觉缓存重用和交互稀疏技术，在多模态重排序中实现了<1%的运行时间，性能保持在96%以上。

Yingqi Fan, Xuan Lu, Anhao Zhao 等

提出SkillResolve-Bench，通过661对技能对比和7,982候选池，有效衡量并减少相同能力模糊带来的执行风险，提升召回率和安全性。

Jiandong Ding

Popcorn基准结合标题对齐的全片/预告嵌入与缩略图特征，评估多模态电影推荐中的视觉证据效果。

Ali Tourani, Fatemeh Nazary, Yashar Deldjoo 等

提出基于约束优势集的多模态长文问答检索方法，在VisDoMBench上达成66.99的最新SOTA，显著优于传统相似度排名。

Ambuj Mehrish, Sebatiano Vascon

SSRLive用静态与动态语义ID融合生成式建模，在线提升观看时长3.38%。

Teng Shi, Zhaoheng Li, Yuanhang Qu 等

提出非对称图架构Shallow-RHS，用于新内容冷启动推荐，依赖内容特征映射到协同过滤空间。

Anh Truong, John Trenkle, Yuanbo Chen 等

提出Dual-Stream MLP，通过知识蒸馏实现显式与隐式特征交互，达成SOTA性能。

Kesha Ou, Zhen Tian, Wayne Xin Zhao 等

BAHSD通过多尺度一致性探测和自适应蒸馏，提升黑盒推荐系统长尾用户性能，尾用户Recall@10提升80%。

Xi Zhou, Famin Wu, Mingming Li 等

Rec-Distill通过分离训练实现大模型知识蒸馏，支持24B参数，转移效率超60%。

Haoran Ding, Wenlin Zhao, Yuchen Jiang 等

StructuredSemanticSearch通过表格驱动模型搜索，597条查询实验覆盖率提升

Zhengyuan Dong, Renée J. Miller

SkillSelect-Serve通过QoS感知和预算约束推荐LLM代理技能服务，提升命中率至0.9091。

Jingyuan Zheng, Dongjing Wang, Xin Zhang 等

DiffRetriever通过扩展DLM的原生掩码位置预测，提升检索效率和效果。

Shuai Wang, Yu Yin, Shengyao Zhuang 等

StageCF提出兴趣衰减扩散；在Yelp2018等三数据集上优于生成式与扩散基线。

Yifang Qin, Zhaobin Li, Arisa Watanabe 等