2025腾讯广告算法挑战赛：全模态生成推荐

生成推荐系统正在迅速成为一种新的推荐范例，其中协作标识符和/或多模式内容被映射到离散的词元空间中，并且使用自回归序列模型对用户行为进行建模。尽管多模态推荐数据集取得了进展，但仍然缺乏共同提供专门为工业广告中的生成推荐（GR）设计的大规模、现实且完全全模态数据的公共基准。为了促进这一方向的研究，我们组织了2025年腾讯广告算法挑战赛，这是一项基于两个全模态GR数据集（TencentGR-1M和TencentGR-10M）的全球竞赛。这两个数据集均由真实的去识别化腾讯广告日志构建而成，包含丰富的协作 ID 和使用最先进的嵌入模型提取的多模式表示。初步轨道（TencentGR-1M）提供 100 万个用户序列，每个序列最多有 100 个交互项，其中每个交互都标有曝光和点击信号，而最终轨道（TencentGR-10M）将其扩展到 1000 万用户，并在序列和目标级别明确区分点击和转化事件。本文介绍了任务定义、数据构建过程、特征模式、基线 GR 模型、评估协议以及顶级和获奖解决方案的主要发现。我们的数据集专注于广告环境中的多模式序列生成，并引入对高价值转化事件的加权评估。我们在 https://huggingface.co/datasets/TAAC2025 发布了我们的数据集，并在 https://github.com/TencentAdvertisingAlgorithmCompetition/baseline_2025 上发布了基线实现，以实现未来对工业规模的全模态生成推荐的研究。官方网站为https://algo.qq.com/2025。