两种观点，一种声音：循证对话音乐推荐

传统的会话推荐器将检索和响应生成纠缠在单个文本界面中，因此随着对话意图的发展，精确的实体线索会消失，这会损害解释的可信度。我们在 2026 年 ACM RecSys 挑战赛中解决了这个问题，该挑战赛要求前 20 名排名和基于证据的响应生成。本文介绍了“swyoo”团队针对Blind-B行业赛道的第三名解决方案。我们将检索和响应解耦到通过排名轨道和元数据严格连接的单独管道中。检索结合了混合词汇密集池和由微调的 Qwen 8B 适配器驱动的任务适应池进行精确匹配。候选人通过 LightGBM 进行校准，然后路由到基于证据的提议-分配-选择 (PAS) 框架来构建响应。该系统在最终盲评中也位居解释质量排行榜第二名。我们的研究结果表明：（i）隔离检索和响应可以保留目录线索和流畅的意图； (ii) 通过明确的证据分配来构建生成是这种近乎一流的解释可靠性的关键。