Российские команды T-Bank, МФТИ, ВШЭ и Университета Иннополис представили в Риме на конференции ACM CIKM '26 три работы о рекомендательных системах. Модель E²L³AE дообучает текстовый энкодер LLM-эмбеддингов совместно с рекомендательной моделью и на холодном старте превзошла предыдущее решение на всех пяти тестовых датасетах, а архитектура MoE-IGR заменяет общие веса графовой модели на динамически выбираемых «экспертов». Третья работа, «Split Decisions», показывает, что привычная офлайн-оценка рекомендателей на случайном разбиении данных систематически переоценивает модели на будущих взаимодействиях. Труды конференции опубликованы 6 ноября 2026 года, все три статьи читаются целиком по DOI.
Что произошло
На 35-й Международной конференции ACM по информации и управлению знаниями (ACM CIKM '26), прошедшей в Риме и опубликовавшей труды 6 ноября 2026 года, российские команды T-Bank, МФТИ, ВШЭ и Университета Иннополис представили три работы о рекомендательных системах — системах, которые предлагают пользователю товары и контент. Модель E²L³AE (Kurdun, Liakhnovich, Pechatov, Lashinin; страницы 7388–7393 трудов) обучает ранее «замороженный» текстовый энкодер LLM-эмбеддингов совместно с линейным автоэнкодером рекомендаций, а не отдельно: на пяти датасетах — косметика, игрушки, продукты, офисные товары, одежда — она превзошла L³AE на всех тестах, дав на датасете офисных товаров +20,3% полноты и +17,2% качества ранжирования; в верифицированной аннотации подтверждены улучшения как относительно L³AE, так и относительно других бейслайнов. Архитектура MoE-IGR из работы «Give Me MoE» (Mardanova и другие; страницы 7578–7583 трудов) заменяет общий апдейт индуктивной графовой модели PinSAGE на динамическую послойную маршрутизацию между «экспертами»; анализ маршрутизации показал специализацию экспертов на холодных и «тёплых» объектах, а на новых объектах модель дала до +16% Recall@20 и до +34,4% NDCG@20. Работа «Split Decisions: How Evaluation Protocols Change Recommender Model Selection» вводит метрику model-selection regret и фиксирует: в 17 из 18 сравнений модели, выбранные на случайном разбиении данных, на будущих взаимодействиях проигрывали выбору, сделанному на глобально-временном разбиении, — разрыв достигал 49% на датасете фильмов и 81% на датасете короткого видео.
Контекст
Чтобы оценить смысл этих работ, нужен контекст промышленных рекомендательных систем. Их узкое место — холодный старт: у товара, только появившегося в каталоге, и у пользователя без истории взаимодействий классическая коллаборативная модель, обученная на данных о том, кто что смотрел и покупал, почти не может предложить ничего осмысленного. Один из способов восполнить пробел — текстовые описания товаров в виде эмбеддингов больших языковых моделей, однако в предыдущих подходах энкодер таких эмбеддингов «замораживался»: он строил представления, обученные на общей языковой задаче и никак не подстроенные под конкретный каталог и конкретную задачу ранжирования, и именно этот разрыв закрывает E²L³AE. Второй путь — графовые модели вроде PinSAGE, которые работают с графом взаимодействий и в индуктивном режиме переносят знание на ранее не виденные узлы, но обычно обновляют представления всех объектов общими весами; идея MoE (Mixture of Experts) состоит в том, что вместо одной общей сети данные динамически маршрутизируются через специализированные блоки-«экспертов», и MoE-IGR переносит этот принцип в графовые рекомендации. Третий пласт контекста — сама методология измерений: офлайн-оценка рекомендателей опирается на расщепление датасета на обучающую и тестовую части, и случайное разбиение, игнорирующее время, подмешивает в тест события из будущего, тогда как глобально-временное разбиение держит тест строго позже обучения, поэтому различие между протоколами определяет, какая модель покажется лучшей.
Почему это важно для индустрии
Для отрасли в этих работах три практических слоя. Первый — холодный старт дешевеет: обе архитектуры дают подтверждённые в верифицированных аннотациях приросты именно там, где нет истории взаимодействий, причём дообученный энкодер E²L³AE сам работает как конкурентоспособный семантический рекомендатель, а маршрутизация экспертов MoE-IGR обеспечивает измеримую и интерпретируемую специализацию на холодных и «тёплых» объектах; для фаундеров это сигнал, что «мост данных» из многолетних логов перестаёт быть единственным барьером для качественных рекомендаций на новых объектах. Второй слой — методологический и самый внедряемый: выбор схемы разбиения данных становится частью решения о выборе модели, поэтому для хронологических прогнозов модель следует выбирать под глобально-временную схему или честно сообщать induced regret, а не выдавать результаты на случайном разбиении за оценку поведения на будущих взаимодействиях. Третий слой — архитектурный тренд: связка «дообученный LLM-энкодер плюс классическая коллаборативная модель» в E²L³AE и «микс экспертов в графах» в MoE-IGR выглядят как проверяемый шаблон, под который продуктовые команды и ML-платформы уже могут готовить свои пайплайны cold-start.
Почему это важно для пользователей
Все три статьи опубликованы в открытом доступе по лицензии CC BY и читаются целиком по DOI 10.1145/3799682.3839945, 10.1145/3799682.3839967 и 10.1145/3799682.3839942, так что выводы можно сверить с первоисточником, а не с пересказами. Если вы сами строите рекомендации, практический вывод работы «Split Decisions» — сравнить модель, выбранную на случайном и на глобально-временном разбиении: расхождение метрик покажет ваш model-selection regret и, возможно, изменит итоговый выбор модели, а такой прогон требует только повторных офлайн-экспериментов и почти ничего не стоит. Второй шаг — прочитать статьи по DOI и оценить переносимость рецептов E²L³AE и MoE-IGR на ваши данные до какого-либо внедрения. Если вы следите за индустрией, это конкретный пример тренда: гибриды «LLM-семантика плюс коллаборативная модель» и «микс экспертов в графах» постепенно перетекают из статей в стандартный конструктор для холодного старта. Если вы просто пользователь маркетплейсов и стриминговых сервисов, выгоду увидите позже и косвенно: когда подобные методы дойдут до продакшена, новые товары и новинки каталога смогут рекомендоваться осмысленно с первого появления.
Что пока неизвестно / ограничения
Несколько обстоятельств требуют осторожности. Яркие проценты — это лучшие точки на отдельных датасетах, а не средние результаты: «до +34,4% NDCG@20» и «до +16% Recall@20» у MoE-IGR — максимумы на новых объектах, а +20,3% полноты и +17,2% качества ранжирования у E²L³AE получены на датасете офисных товаров. В материалах заметна мелкая несостыковка: сводка называет +34,4% NDCG@20 на новых объектах, а пост — +34,5% на MovieLens против PinSAGE, поэтому точную цифру и условия стоит сверить по полному тексту статьи. Доступность кода и весов моделей не подтверждена, данных о латентности и стоимости обучения нет, поэтому обе архитектуры остаются рецептами для воспроизведения, а не готовыми к интеграции компонентами. Приросты пока не перепроверены независимыми группами, а сроки закрепления хронологически честной оценки в отраслевых пайплайнах — это интерпретация, а не установленный факт.
Источники
- E²L³AE: End-to-End Text Encoder Tuning for LLM-Enhanced Linear Autoencoders (ACM CIKM '26, Rome)
- Give Me MoE: Dynamic Expert Routing for Inductive Graph-based Recommendation (ACM CIKM '26, Rome)
- Split Decisions: How Evaluation Protocols Change Recommender Model Selection (ACM CIKM '26, Rome)
Автор
Look at AI, редакция