猜猜你去了哪里：高德地图生成下一个兴趣点推荐

生成检索使推荐系统能够通过生成紧凑的项目标识符来检索项目，但由于冗余或冲突的词元分配以及异构项目信号的集成不足，将其扩展到工业场景仍然具有挑战性。这些挑战对于下一个兴趣点 (POI) 推荐尤其重要，其中模型必须表示结构化空间实体、捕获顺序移动模式并生成与真实用户行为一致的预测。我们提出了 Gwhere，一个端到端的工业框架，它将语义标识符（SID）生成与基于 LLM 的生成式下一个 POI 推荐相集成。 Gwhere 首先通过对比残差量化分词器来学习有区别的 POI SID，该分词器对齐文本、视觉、空间和协作信号。基于这些 SID，Gwhere 通过对丰富的时空语料库、受监督的 微调 和曝光感知 Kahneman-Tversky 优化 (EAKTO)（一种行为偏好调整的强化学习目标）的持续预训练，使 LLM 适应移动场景。在公共数据集和高德大规模工业数据集上的实验证明了Gwhere的有效性。该系统在高并发、低延迟的约束下，已部署在高德地图首页服务中。长期在线 A/B 测试显示，与生产基线相比，P-CTR 提高了 5.83%，U-CTR 提高了 6.20%。该实现可在 https://github.com/alibaba/SimCIT 上公开获取。