中科大 LDS 實驗室何向南、王翔團隊與 Alpha Lab 張岸團隊聯(lián)合開源 MiniOneRec，推出生成式推薦首個完整的端到端開源框架，不僅在開源場景驗證了生成式推薦 Scaling Law，還可輕量復現(xiàn)「OneRec」，為社區(qū)提供一站式的生成式推薦訓練與研究平臺。

近年來，在推薦系統(tǒng)領域，傳統(tǒng) “召回 + 排序” 級聯(lián)式架構的收益正逐漸觸頂，而 ChatGPT 等大語言模型則展現(xiàn)了強大的涌現(xiàn)能力和符合 Scaling Law 的巨大潛力 —— 這股變革性的力量使“生成式推薦”成為當下最熱門的話題之一。不同于判別式模型孤立地計算用戶喜歡某件物品的概率，“生成式推薦” 能夠利用層次化語義 ID 表示用戶歷史行為序列，并基于生成式模型結構直接生成用戶下一批可能交互的物品列表。這種推薦模式顯著提升了模型的智能上限，并為推薦場景引入Scaling Law的可能性。

快手OneRec的成功落地，更是徹底引爆了推薦圈子。憑借端到端的推薦大模型，重構現(xiàn)今的推薦系統(tǒng)不再是空談，它已證明是一場資源可控、能帶來真實線上收益的推薦革命。

然而，對于這一可能革新整個推薦系統(tǒng)的新范式，各大廠卻諱莫如深，核心技術細節(jié)與公開表現(xiàn)鮮有披露。開源社區(qū)與一線大廠的探索似乎正在脫鉤，技術鴻溝日漸明顯。

如何破局？

近日，中國科學技術大學 LDS 實驗室何向南、王翔團隊聯(lián)合 Alpha Lab 張岸團隊正式發(fā)布MiniOneRec。這一框架作為生成式推薦領域首個完整開源方案，為社區(qū)提供了全鏈路、一站式、端到端的訓練與研究平臺。

• 論文標題：MiniOneRec: An Open-Source Framework for Scaling Generative Recommendation
• 論文鏈接：https://arxiv.org/abs/2510.24431
• 代碼鏈接：https://github.com/AkaliKong/MiniOneRec
• Huggingface 鏈接： https://huggingface.co/kkknight/MiniOneRec

核心貢獻：

• 端到端流程支持：從 SID 生成、 模型監(jiān)督微調、 推薦驅動的強化學習，全鏈路打通。
• 開源場景 Scaling Law 驗證：首次在開源數據與模型上，驗證了生成式推薦的 Scaling Law。
• 優(yōu)化后訓練框架：提供一套輕量、完整的后訓練框架，并引入多項針對推薦任務的改進。

自 10 月 28 日發(fā)布以來，MiniOneRec 就廣受推薦社區(qū)關注。其代碼、數據集、模型權重已全部開源，僅需 4-8 卡 A100 同級算力即可輕松復現(xiàn)。

1. 首次公開數據集驗證生成式推薦 Scaling Law：

研究人員首次在公共數據集上，驗證了生成式推薦模型的 Scaling Law。

圖 1. 模型參數從 0.5B 到 7B 的訓練 Loss 變化。

團隊在 Amazon Review 公開數據上，以統(tǒng)一的設置訓練了從 0.5B 到 7B 的 MiniOneRec 版本。結果驚艷：隨著模型規(guī)模（訓練 FLOPs）的增大，最終訓練損失和評估損失持續(xù)下降，充分展示了生成式推薦范式在參數利用效率上的優(yōu)勢。

2. MiniOneRec 核心技術框架：

該框架提供一站式的生成式推薦輕量實現(xiàn)與改進，具體包括:

（1）豐富的 SID Construction 工具箱

MiniOneRec 為開源社區(qū)提供了豐富的的 SID Construction 工具選擇，已集成 RQ-VAE, RQ-Kmeans, RQ-VAE-v2 (Google 最新工作 PLUM), 并將更新 RQ-OPQ 在內的先進量化算法實現(xiàn)。

下一步，團隊正積極更新接口，以對齊業(yè)界的多模態(tài)需求。

（2）引入世界知識：全流程 SID 對齊策略

研究人員驗證了一個關鍵發(fā)現(xiàn)：引入大模型世界知識，能顯著提升生成式推薦的性能。團隊分別評測了 MiniOneRec 與其變體在不同訓練階段的性能表現(xiàn)，具體包括:

• MiniOneRec-Scratch: 基于隨機初始化的 LLM 權重訓練，不做任何 SID - 文本對齊任務。
• MiniOneRec- W/O ALIGN: 基于預訓練 LLM 進行后訓練，不做任務 SID - 文本對齊。
• MiniOneRec: 基于預訓練 LLM 進行后訓練，并進行全流程的 SID 對齊。

圖 3. 世界知識對于生成式推薦性能的影響。

結果顯示，基于預訓練 LLM 初始化并進行語義對齊的 MiniOneRec（紅線）始終優(yōu)于未充分對齊的對應變體（黃 / 藍線）。這表明預訓練 LLM 已具備的通用序列處理能力和世界知識，為推薦任務帶來了顯著的額外收益。

基于此發(fā)現(xiàn)，MiniOneRec 將 SID token 添加至 LLM 詞表，并在 SFT 和 RL 階段共同優(yōu)化推薦與對齊兩大任務，將 LLM 語言空間與 SID 信號緊密對齊。

（3）獨家優(yōu)化：面向推薦的強化學習策略

圖 4. MiniOneRec 框架。

MiniOneRec 基于 GRPO, 進一步實現(xiàn)了面向推薦的強化學習算法，具體包括

• 面向推薦的采樣策略

由于采取 Constrained-Decoding 策略規(guī)范模型生成合法 SID，模型的輸出被限制在遠比自然語言狹窄的有限空間。隨著強化學習訓練的深入，傳統(tǒng)采樣策略的熵迅速降低，使得模型在多次采樣時容易反復生成相同的冗余物品，導致優(yōu)化效率低下。基于這個發(fā)現(xiàn)，MiniOneRec 替換常規(guī)采樣策略為 Constrained Beam-Search，高效生成多樣化的候選物品，兼顧采樣效率和對負樣本的曝光率。

• 面向推薦的獎勵塑造

推薦場景用戶交互稀疏，常規(guī)的二元獎勵使得負樣本 “坍縮” 為同一獎勵值，使得強化學習監(jiān)督信號粒度粗糙。MiniOneRec 在準確性獎勵之外，創(chuàng)新性引入排名獎勵，對于高置信度 “困難負樣本” 施加額外懲罰，從而強化排序信號的區(qū)分度。

• 開源基準測試全面領先

在同一 Amazon 基準上，研究人員將 MiniOneRec 同當前 SOTA 的傳統(tǒng)推薦范式、生成式推薦范式、基于大模型的推薦范式進行了全面對比。

圖 5. MiniOneRec 同傳統(tǒng)推薦、生成式推薦、LLM 推薦性能對比。

結果顯示，MiniOneRec 展現(xiàn)出全面的領先優(yōu)勢:

在 HitRate@K 和 NDCG@K 兩項推薦指標上，MiniOneRec 始終顯著優(yōu)于以往的傳統(tǒng)推薦范式與生成式推薦范式，領先 TIGER 約 30 個百分點。而對于基于大模型的推薦范式，MiniOnRec 呈現(xiàn)總體的領先的同時擁有顯著的上下文 token 優(yōu)勢。

這表明，生成式推薦作為可能的下一代推薦范式擁有顯著潛力。

4. 生成式推薦的展望與思考：

生成式推薦會成為下一代推薦系統(tǒng)的新范式嗎？這個問題似乎還難以有一個定論。

一方面，以美團 MTGR、淘天 URM 等為代表的推薦系統(tǒng)“改革派”，利用生成式架構的長序列建模等能力賦能判別式，在現(xiàn)有的體系內基于 “生成式召回” 方案進行增量改進。

另一方面，以快手 OneRec 為代表的更為激進的“革命派”，則想要直接顛覆傳統(tǒng)多階段級聯(lián)的判別式方案、實現(xiàn)真正端到端自回歸地生成用戶興趣列表。

雖然兩條路線取舍不同，但都在規(guī)?；瘜嵺`中驗證了生成式范式的實際價值。對部分大廠而言，生成式范式已經走出 “可行性驗證” 階段，開始在業(yè)務上創(chuàng)造真實收益。相較于業(yè)界的快速推進，學術界與開源社區(qū)在這一方向仍顯薄弱。面對這場可能重塑推薦技術版圖的機遇，我們期待更多研究者與工程實踐者大膽嘗試，擁抱這或許是推薦領域的“GPT 時刻”。