推荐系统研究：简单模型在多个 Benchmark 上击败 Transformer

_reachsumit · x · 2026-08-21

发表于 RecSys 2026 的论文质疑了现有序列推荐基准是否真的需要高阶序列建模。研究使用了两种简单的、基于最近邻的成对转换探针模型：Sequential Rules (SeqRules) 和 Probabilistic Collaborative Transition Model (PCTM)。实验结果显示，在部分 Amazon 数据集和 MovieLens-1M 上，这些简单探针模型的表现优于 eSASRec 和 SASRec 等基于 Transformer 的推荐模型（最高提升 38%），仅在 MovieLens-20M 上落后。这表明许多广泛使用的基准可能并不适合衡量高阶序列建模带来的收益。