UGR把淘宝推荐的自然内容、广告与其他业务候选放进同一次生成，线上成交笔数提升3.29%
核心概要
淘宝“猜你喜欢”的排序不再只对单一业务的截断候选集生成列表、再交给跨业务混排拼接。UGR把每次请求约一千个自然内容、广告和其他业务候选放进同一次自回归生成，并在训练中单独建模历史广告曝光、服务时再叠加当前广告价值。在淘宝猜你喜欢的线上A/B测试中，UGR相对生产基线把核心IPV提升1.76%、成交笔数提升3.29%、GMV提升2.10%。
深度剖析
排序列表现在由一次生成直接覆盖整批请求级候选，自然内容、广告和其他业务的商品在同一条解码路径上竞争展示位置，不再先按单一业务生成再交给跨业务混排拼接。 此前的生成式排序方法通常在截断的单一业务候选集上工作，生成的列表随后要与其他业务商品混排，混排会改变商品位置和列表上下文，使生成列表与最终曝光列表出现偏差。 在淘宝猜你喜欢上，把UGR限制为只生成自然内容列表、再交给现有混排的UGR-Single+Mix，相对同一生产基线把核心IPV、成交笔数、GMV分别提升1.13%、2.84%、1.38%；直接生成异构列表的UGR对应为1.76%、3.29%、2.10%，且直接比较中UGR显著优于该分阶段版本。
生成过程除了模仿历史曝光序列，还同时使用曝光之后的点击与成交反馈来约束列表顺序。 仅从曝光序列学习只能复现既有排序策略留下的选择结果，无法充分利用用户看过商品之后的反馈。 在场景一的消融中，去掉PermPO后六项排序指标全部下降，IPV NDCG从0.3666降到0.3453；去掉WSFT后IPV NDCG为0.3539，而只用NTP训练时为0.3382。
历史广告曝光的影响被放进一个只在训练时存在的塔结构中建模，服务时移除该塔，再把当前广告价值加回推荐分数。 直接拟合曝光列表会把历史广告投放策略的选择效应带进推荐分数，而该分数随后还要与当前广告价值相加用于分配和计价。 去掉该塔后，生成器logit与广告eCPM整体呈正相关；保留该塔时生成器logit与eCPM的相关系数变为负值，而塔的调整量与eCPM正相关，说明eCPM相关变化主要落在塔上。
启示与展望
已展示的范围是淘宝首页猜你喜欢推荐服务：离线实验使用该服务连续30天推荐日志构建的两个工业数据集，线上A/B测试中UGR组覆盖至少5%流量、持续超过14天，下游评估器与其余服务链路保持不变。
线上增益以相对生产基线的百分比报告，且来自淘宝猜你喜欢这一具体服务；离线结果中UGR并非在所有指标上都领先，Hitrate在两个场景中均由UniRank取得最高值，UGR的优势体现在基于反馈的排序质量上。