Align³GR: Unified Multi-Level Alignment for LLM-based Generative Recommendation

一句话直觉

让语言模型做推荐，首先要读懂物品和用户行为，再用偏好训练调整推荐，而不是只在最后加DPO。

要解决什么，怎样做

Align³GR统一三个层级：tokenization把用户—物品语义和协同信息编码进表示；行为建模通过多任务监督与双向语义对齐学习交互规律；偏好层再结合自博弈DPO与真实反馈DPO适应用户。三个层级对应从输入词表、任务理解到推荐目标的逐级对齐。

和已有方法的区别

通用语言偏好对齐主要评价回答质量，推荐系统还涉及物品身份、历史交互和排序目标。仅在自然语言回答上训练DPO，未必能补足协同过滤信息；本方法把这些结构在前面阶段就引入。

阅读边界与局限

线上点击与真正满意度之间可能有偏差，曝光机制也影响反馈。离线Recall或NDCG改善不自动等于长期用户福利，工业数据与部署条件也可能难以完整复现。

自测

1. 为什么知道物品文本描述，不等于理解用户—物品协同行为？
2. 自博弈反馈和真实用户反馈可能分别带来什么偏差？

小实验（自学设计）

在小型公开交互数据上做教学消融：文本表示、加入协同表示、再加入偏好训练。保持候选池一致，测排序质量，并按热门/冷门物品分组，检查收益是否只是更偏向热门项目。

来源与核验

已核验原始论文摘要或官方论文记录，以上是导读级自学笔记，尚未逐节复核全文证明与实验。

原论文或作者官方来源。本地研究清单提供了补充摘录；自测、小实验及分析性提醒为学习设计，不是论文报告的结果。

原清单摘录与附图（保留原始表述）

以下内容来自原研究清单，可能包含旧标题、待验证的推测或尚未纠正的摘要。附图也可能是个人或 AI 辅助示意，未独立核验其出处与推导；阅读时以本页上方核验说明和论文原文为准。

对齐论文表 #42

提出统一三层对齐框架Align3GR，解决LLM在生成式推荐中的语义和行为偏差。三层对齐：(1)Token级对齐——双Tokenization融合用户-物品语义信号与协同过滤信号，桥接自然语言与推荐领域差距；(2)行为建模级对齐——双向语义对齐增强用户行为模式建模；(3)偏好级对齐——渐进DPO策略组合自博弈DPO(SP-DPO)和真实反馈DPO(RF-DPO)，实现动态偏好适应。从底层token到高层偏好逐级对齐LLM与推荐任务。