OxygenREC-v2：将歧视内化为生成推荐

生成推荐通过自回归解码语义标识符 (SID) 序列，将检索和排名统一在单个模型内。然而，可靠地整合来自点击、购物车添加和订单的行为信号仍然具有挑战性。现有的方法要么联合优化生成目标和判别目标，需要微妙的权衡，要么使用单独的排名器作为事后强化学习奖励，冒着分布外评分和奖励错位的风险。我们提出了 OxygenREC-v2，这是一种将歧视内化为生成推荐（IDGR）的生成推荐器。 OxygenREC-v2 没有添加单独的判别目标，而是使用记录的行为来条件生成和监督训练。在预训练期间，行为指令条件是目标行为的生成。在 后训练 期间，未来的交互行为被用作我们的熵感知轨迹优化自 蒸馏 框架中的特权知识，从而实现无奖励模型的策略优化。在整个训练阶段，OxygenREC-v2 都保持一个统一的主干网。我们将OxygenREC-v2实现为3B参数、1B激活的MoE，并将其部署在京东的大型电子商务平台上。在多项在线 A/B 测试中，OxygenREC-v2 比 OxygenREC-v1 提高了用户点击转化率 (UCTCVR) 1.6--4.4%，GMV 提高了 2.8--6.8%。