百度 UNIQUE：生成式召回和排序能在一个模型里统一吗？

一句话：UNIQUE 不是用一个纯自回归模型直接替代全链路，而是用“单层 code 分类召回 + target-aware 多任务排序”的混合架构，把生成式召回和传统判别式排序放进同一个早期融合模型。

1. 先回答核心问题

生成式推荐讲了几年，大家最关心的问题其实很朴素：它能不能真正进入工业系统，在有限延迟内同时做好召回和排序？

RecSys 2026 的这篇 UNIQUE: A Unified Retrieval and Ranking System for Large-Scale Feed Recommendation 来自百度，部署在手机百度首页 Feed、发现页和短视频推荐场景。论文给出的答案不是“完全生成式化”，而是一个更工程化的折中：用一层扁平 semantic code 表示 item 所属语义簇，用早期融合 Transformer 同时处理用户历史、候选 code 和候选 item，再用多任务 heads 输出相关性、CTR、观看时长、完播等目标。

线上一周全量 A/B 测试中，总观看时长提升 0.96%，总分发量提升 1.08%，用户留存提升 0.70%；服务侧 P99 延迟为 89ms，在线推理 MFU 为 44.23%。

2. 传统级联卡在哪里

工业推荐系统通常采用“召回 → 粗排 → 精排”的级联。这个架构很稳：召回负责从大库里找候选，排序负责读更多特征、做更复杂的交叉和多目标预估。但它也有两个长期问题。

问题一：层级量化不稳定

TIGER 一类生成式检索方法通常使用 RQ-VAE，把 item 编成多层 residual code。前一层的量化误差会继续影响后层，而且 code 使用可能集中在少数热门码字上，导致头部 code 过载、长尾 item 表达不足。

另一个问题是，很多 tokenizer 主要依赖标题、类目、作者等 item 先验。这样学出来的 code 更像内容聚类，但推荐系统真正需要的，是用户反馈约束下的兴趣空间。

问题二：召回和排序割裂

召回模型和排序模型通常分别训练，使用的表征、目标和特征深度都不一样。召回输出的候选进入排序模型后，很多用户与候选之间的细粒度关系需要重新计算，跨阶段传递会损失信息。

论文也指出，HSTU 等工作证明了生成式序列模型的缩放潜力，但召回和排序仍相对独立；而纯生成式统一框架又缺少传统判别式排序的精细建模能力。

3. UNIQUE 怎么统一

UNIQUE 由三个核心模块组成：

模块	全称	作用
EQN	End-to-End Quantization Network	学习 item 的反馈感知向量，并通过单层扁平码本分配 code
UIGN	User Interest Generation Network	编码用户画像、短期、中期和长期兴趣序列
TDN	Target-Code-Aware Discriminative Network	把候选 item/code 注入用户历史，完成多任务精细排序

整体架构如下图所示：

UNIQUE 统一召回排序模型架构图 — UNIQUE 通过早期融合架构同时处理 code 召回与 item 多任务排序。

这里的关键是 target-attention split。用户历史内部可以做 self-attention；候选 item 和候选 code 作为 target，只允许它们关注用户前缀，不允许 target 之间互相 attention。这样既能让每个候选直接读取相关历史行为，也避免大量候选互相干扰。

4. 损失到底怎么拆

这篇论文最容易被名字绕住的地方，是“生成式”到底指什么。由于 UNIQUE 只有一级码本，召回分支没有多层 SID 的逐 token 自回归生成，也没有跨多个 token position 的 beam search。它在数学上更接近一个 next-code 分类任务。

假设用户下一个正反馈 item 是 $i^{+}$ ，它离线被分配到的 code 是 $c^{+} = c_{i^{+}}$ 。模型对所有 code 计算 logits，并在 $M$ 个 code 上做 softmax：

p (c = j ∣ S_{u}) = \frac{exp ( ℓ _{j} )}{\sum _{m = 1}^{M} exp ( ℓ _{m} )}

所以生成式损失就是普通交叉熵：

L_{gen} = - lo g p (c = c^{+} ∣ S_{u})

线上取 top $N = 100$ 个 code，本质上是取这个分类器的 top-100 类别，而不是生成 100 条多 token SID 序列。这个 code 代表一个语义区域或候选簇，多个 item 可以共享同一个 code。

Item 排序分支则更像传统的 target-aware 排序塔。候选 item token 与用户历史交互后，得到用户条件化表示：

o_{u, i} = F_{θ}^{enc} (X_{u}, v_{i})

之后接多个任务 heads：

\overset{y}{^}_{u, i}^{k} = σ (f_{θ}^{k} (o_{u, i}))

二值目标使用加权 BCE，时长目标使用 MSE：

L_{k} = - w_{u, i}^{k} [y^{k} lo g \overset{y}{^}^{k} + (1 - y^{k}) lo g (1 - \overset{y}{^}^{k})]

L_{disc} = k \in K \sum λ_{k} L_{k}

需要注意的是，CTR、CVR 和 next-item prediction 的标签语义不同。CTR 是曝光后是否点击，CVR 通常是点击后是否转化，next-item prediction 是下一时刻是否交互。论文没有明确给出 CVR 目标，因此更准确的说法是：TDN 是一个候选感知的多任务 pointwise ranking network，而不是简单等同 CTR/CVR 塔。

DSSM 监督在哪里

论文中的 DSSM 监督确实存在，形式是 task-specific user tower 与共享 item tower 的内积：

s_{u, i}^{k} = ⟨ u_{u}^{k}, z_{i} ⟩

L_{code} = k \in K \sum μ_{k} Loss (s_{u, i}^{k}, y^{k})

但它的主要作用是训练码本构建用的 item tower，让 item 向量在量化前吸收用户反馈后验。它不是最终 serving 时必须计算的损失。工程上更清晰的拆法是：

阶段 A：离线构建码本
  使用 L_code + L_quant 训练 DSSM user/item towers
  得到 item embedding z_i
  做 balanced flat quantization，生成 c_i
  冻结或周期性刷新码本

阶段 B：训练统一召回排序主模型
  L_main = L_disc + alpha L_gen

因此，论文总公式虽然写成：

L = L_{disc} + α L_{gen} + η L_{code} + β L_{quant}

但从工程实现看，可以拆成两个阶段： $L_{code}$ 和 $L_{quant}$ 服务于离线码本构建， $L_{gen}$ 和 $L_{disc}$ 服务于主模型的召回与排序。

5. 线上怎么解码和服务

在线推理时，UNIQUE 先预测 semantic code 分布，取 top code，再通过 code-to-item 索引展开候选。论文使用两个关键参数控制探索和利用：

$N = 100$ ：选择 100 个 code，控制跨语义区域的探索。
$M = 30$ ：每个 code 下保留 30 个 item，控制 code 内的利用。

用户前缀编码
  -> 预测 semantic code 分布
  -> 取 top 100 个 code
  -> code-to-item 按新鲜度、热度、可用性展开
  -> 粗排保留 top 10k
  -> 按 code 分组进入精细 TDN
  -> 每 code 保留 30 个 item
  -> 融合相关性、CTR、时长、完播等分数

论文的敏感性分析显示， $N = 200$ 只带来边际多样性提升，但成本接近翻倍； $M = 10$ 则会明显伤害召回。因此 $N = 100, M = 30$ 是质量和成本之间的平衡点。

生产码本使用 16,384 个单层 code，替代总容量相同的 128×128 层级码本。单层码本使资源计数方差从 1510.85 降到 389.57，同时平均 top-1 category share 从 65.43% 提升到 78.08%。这说明它不只是把样本摊匀，也提高了 cluster 的类目纯度。

服务系统在高峰期约处理 10,000 QPS，运行在约 400 张 NVIDIA L20 GPU 上，使用 TensorRT FP16。新内容首次曝光后 5 分钟内进入训练流，1 小时内完成量化。

6. 我的判断

UNIQUE 的价值，不在于提出了一个数学上多复杂的新生成模型，而在于给出了一个更容易落地的工业架构：生成 code 负责全库覆盖、语义泛化和长尾探索；判别排序负责 item 级精度和多目标预估；二者共享早期融合表示。

这也提醒我们，做生成式推荐不必一开始就追求“一个自回归模型替代全链路”。在真实系统里，更稳的路径可能是先把召回空间 code 化，再把 target-aware 排序和 code 召回放到共享表示中联合训练。

我会把 UNIQUE 看成一条中间路线：它保留了生成式检索的框架和语义优势，也保留了传统推荐系统最擅长的候选感知排序。对于想在现有级联系统中渐进引入 GR 的团队，这篇论文的参考价值很高。

RecSys & LLM Frontier Notes