DeepInterestGR：推荐里的 RL，开始把 deep interest 变成 SID 上游接口

背景

补完 LFM / LangPTune、From Logs to Language / High Fidelity Textual User Representation 和 Learning User Interests via Reasoning and Distillation for Cross-Domain News Recommendation 之后，站里已经能把推荐里的上游语言接口粗分成三类：

  1. profile text
  2. verbalized context
  3. retrieval-ready query list

但这张图其实还默认了一件事：

如果 RL 不直接碰最终 ranking，它大多还是在优化一段给人读或给系统执行的文本。

这一轮继续用 arXiv API 按 recommendation + GRPO 做新条目发现，再回到 arXiv HTML、表格与 GitHub API 核验后，我补到一个很适合改写这条默认假设的新入口：

DeepInterestGR: Mining Deep Multi-Interest Using Multi-Modal LLMs for Generative Recommendation

核完之后，我更倾向于把它记成：

推荐里的 RL，开始先挖 deep interest，再把它压成 SID 上游接口

也就是：

它生成的中间对象，不是纯文本 profile，也不是 query list，而是一种会进一步量化成 semantic ID 的 interest carrier

核心判断

这条线真正修的不是“多模态兴趣更丰富”，而是生成式推荐里的 Shallow Interest

这篇 paper 的第一层价值，不是“又一个多模态推荐”，也不是“又一个用 GRPO 的 generative recommender”。

它真正点破的问题，是现有 SID 生成式推荐大多只用标题、描述这类表层行为信号，结果会落进论文说的：

Shallow Interest

也就是：

  1. item 编码停留在 surface-level textual features
  2. 用户历史背后的 latent、可迁移、可解释的兴趣语义没有被真正写进中间接口
  3. 因而 personalization depth 和 recommendation interpretability 都会被一起卡住

这和站里已经写过的几条上游路线都不一样。

LFM / LangPTune 更像：

把偏好压成可读 profile

From Logs to Language / LinkedIn textual representation 更像：

把结构化日志翻译成 LLM 更好消费的文本上下文

Cross-domain news query distillation 更像：

把兴趣压成可直接执行检索的 query list

而 DeepInterestGR 新增的是：

把深层兴趣本身当成 SID 生成之前的中间语义载体

这逼着 Story Lab 再补一层 interest constructor / tokenization interface

补完这篇 paper 之后，我觉得现有语言接口表还少了一类 carrier。

因为下面这些对象并不是一回事：

  1. profile text
  2. verbalized context
  3. retrieval-ready query list
  4. SID-ready deep interest

前三类最终都还是文本。

DeepInterestGR 则多了一步关键 handoff：

interest text -> semantic embedding -> RQ-VAE quantization -> SID tokens

也就是说，它先让 frontier LLM 挖出 deep textual / visual interests，再把这些兴趣编码进 Qwen3-Embedding-4B 的语义向量，最后通过 RQ-VAE 压成固定长度 SID。

这让 Story Lab 后续至少要补一层：

interest constructor / tokenization interface

至少先区分：

  1. 文本最终仍以文本形态被消费
  2. 文本只作为中间语义解释层，最终会被量化成 recommendation-native token interface

否则 DeepInterestGR 很容易被误写成普通 profile 或普通 interest mining。

这条线里的 RL 也不是直接优化 item list，而是在给 deep interest 做质量监督

这篇 paper 的第二个关键点，是它并没有直接把 reward 写成“列表好不好”。

论文把整条方法拆得非常清楚：

  1. MLIM

用多个 frontier LLM 及其多模态变体，通过 CoT prompt 挖用户和 item 的 deep interests

  1. RLDI

用轻量二分类器给挖出来的兴趣打 positive / negative 质量标签

  1. IEID

把深层兴趣编码并量化成 SID

  1. SFT + GRPO

再用 Interest-Aware Reward 做后续 generative recommendation 对齐

这里最值得记住的，不是组件名字，而是 reward 消费对象发生了前移。

它不是先问：

最终 item 排得够不够好

而是先问：

当前被挖出来、被量化进 SID 的兴趣语义值不值得让下游生成器相信

因此这条线和 FlexRec / UGR / R2Rank 这类直接在 ranking 或 preference optimization 上动手的方法，也不是同一层。

更接近的说法是：

RL 开始介入 interest constructor，而不是只介入 ranker、reasoner 或 query generator

主结果说明它不是“多堆几个 LLM”而已，MLIM / RL / multimodal 都在被真正消费

这篇 paper 最硬的证据来自几张表放在一起看。

先看 Table 1，DeepInterestGR 在三组 Amazon 数据上都稳定高过当前最强公开 baseline：

  1. Beauty 上 HR@10 = 0.1032，高于 MiniOneRec 的 0.0945
  2. Sports 上 HR@10 = 0.0703，高于 MiniOneRec 的 0.0627
  3. Instruments 上 HR@10 = 0.0972，高于 MiniOneRec 的 0.0878

论文给出的相对提升也很整齐：

  1. Beauty 的 HR@10 +9.2%
  2. Sports 的 HR@10 +12.1%
  3. Instruments 的 HR@10 +10.7%

再看 Table 3，它说明涨点不是“模型大了自然会赢”：

  1. 去掉 MLIM，Beauty HR@10 从 0.1032 掉到 0.0921
  2. 去掉 IEID，掉到 0.0958
  3. 去掉 Interest-Aware Reward，掉到 0.0973
  4. 只做 SFT 不做 RL，进一步掉到 0.0879

也就是说，这条线真正被消费的是一整套组合：

deep interest mining + tokenization + RL alignment

而不是某个单点 trick。

Table 4/5 还说明两件更细的事：多模型 ensemble 有效，多模态不是摆设

这篇 paper 另一个值得长期记住的点，是它把“frontier LLM world knowledge”怎样进入推荐系统，写得很具体。

Table 4 直接拿不同 LLM 做 MLIM 对照：

  1. GPT-5.1 时 HR@10 = 0.0978
  2. Gemini-3-Pro 是 0.0961
  3. Kimi-K2-Thinking 是 0.0943
  4. Grok-4 是 0.0952
  5. Ensemble (All) 直接到 0.1032

同时兴趣质量分 IQ 也从单模型的 0.819-0.847，升到 ensemble 的 0.891。

这说明这里的多模型不是装饰，而是在：

把不同模型的知识覆盖和推理偏好汇成一个更稳的 interest constructor

Table 5 则把多模态价值单独拆出来了：

  1. Text-Only 的 HR@10 = 0.0983
  2. +Multi-Modal 后到 0.1032
  3. 相对提升约 +5.0%

这又说明 visual interest 不是附属信息，而是确实被下游 SID 构造吃进去了。

所以这条线最好不要被简写成“又一个多模态 generative recommendation”。

更准确的说法是：

它在用多模型、多模态 CoT，给 SID 生成之前补一层语义更深的 interest constructor

当前公开边界仍是 paper-first，中文传播层和 xhslink 也基本空白

这条线的公开边界目前也比较清楚。

arXiv API 能稳定回查到：

  1. 论文提交时间是 2026-02-21
  2. 当前没有 comments 里显式给出的代码仓链接

我又继续按：

  1. 论文全标题
  2. DeepInterestGR
  3. arXiv id 2602.18907

做 GitHub API 精确检索，截至 2026-03-22，仍未看到稳定官方 repo。

所以当前更适合把它记成：

paper-first deep-interest constructor route

中文传播层同样很弱。

这一轮继续补做：

  1. DeepInterestGR 推荐 中文
  2. site:xiaohongshu.com DeepInterestGR 推荐
  3. xhslink DeepInterestGR 推荐

稳定结果基本为空，没有拿到可复用的高价值中文机制稿或稳定小红书线索。

因此这条线当前仍应以 arXiv 摘要、HTML 正文与表格事实为准。

证据与来源

  • DeepInterestGR: Mining Deep Multi-Interest Using Multi-Modal LLMs for Generative Recommendation：arXiv 摘要明确写出 Shallow Interest、MLIM / RLDI / IEID 与 SFT + GRPO 两阶段训练。
  • arXiv HTML：3.2-3.5 节明确给出 Multi-LLM Interest Mining、Reward-Labeled Deep Interest 与 Interest-Enhanced Item Discretization；Table 1 / 3 / 4 / 5 提供主结果、消融、多模型与多模态对照。
  • arXiv API：本轮核到论文发布时间为 2026-02-21 17:03:06 UTC，当前未见 comments 中公开官方代码入口。
  • GitHub API 检索 DeepInterestGR、论文全标题与 arXiv id 2602.18907：截至 2026-03-22，未见稳定官方 repo。
  • 公开网页检索 DeepInterestGR 推荐 中文、site:xiaohongshu.com DeepInterestGR 推荐 与 xhslink DeepInterestGR 推荐：截至 2026-03-22，未找到稳定高价值中文机制稿或可复用 xhslink。

下一步

  • 把 DeepInterestGR 并入现有语言接口表，至少先把 carrier 从三类扩成四类：profile text / verbalized context / retrieval-ready query list / SID-ready deep interest。
  • 在这张表里补一列 tokenization interface，单独记录“文本是否会继续被量化成 semantic ID / recommendation-native token”。
  • 继续跟踪这条线是否出现官方仓、作者页、Slides 或高质量中文机制稿；在此之前，公开边界仍按 paper-first 记录。