**KGD：知识-几何解耦实现可刷新预训练迁移推荐**

_Knowledge-Geometry Decoupling: Refreshable Pretrained Transfer for Streaming Recommendation_

> 针对工业推荐系统中行为分布漂移问题，提出知识-几何解耦（KGD）方法。通过行为多标记预测（BMTP）保留协作或语义相关的未来项目，提取更纯净的行为知识；将预训练知识与任务特定几何分配到独立参数集，编码器行为知识可持续刷新，任务学习者通过只读交叉注意力读取状态。在8个公开基准上提升4-12%，已在Shopee部署，A/B测试显示GMV提升1.75%、广告收入提升1.53%。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-08-05 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2608.02738)