Buchumschlag

OneRanker: Unified Generation and Ranking with One Model in Industrial Advertising Recommendation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sun, Dekai, Liu, Yiming, Zhou, Jiafan, Liu, Xun, Yu, Chenchen, Li, Yi, Zhang, Jun, Yu, Huan, Jiang, Jie
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Information Retrieval
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Unified Value Alignment for Generative Recommendation in Industrial Advertising
von: Zhang, Xinxun, et al.
Veröffentlicht: (2026)

GPR: Towards a Generative Pre-trained One-Model Paradigm for Large-Scale Advertising Recommendation
von: Zhang, Jun, et al.
Veröffentlicht: (2025)

OneTrans: Unified Feature Interaction and Sequence Modeling with One Transformer in Industrial Recommender
von: Zhang, Zhaoqi, et al.
Veröffentlicht: (2025)

OneRec: Unifying Retrieve and Rank with Generative Recommender and Iterative Preference Alignment
von: Deng, Jiaxin, et al.
Veröffentlicht: (2025)

Killing Two Birds with One Stone: Unifying Retrieval and Ranking with a Single Generative Recommendation Model
von: Zhang, Luankang, et al.
Veröffentlicht: (2025)

End-to-End Semantic ID Generation for Generative Advertisement Recommendation
von: Jiang, Jie, et al.
Veröffentlicht: (2026)

RankMixer: Scaling Up Ranking Models in Industrial Recommenders
von: Zhu, Jie, et al.
Veröffentlicht: (2025)

OneLive: Dynamically Unified Generative Framework for Live-Streaming Recommendation
von: Wang, Shen, et al.
Veröffentlicht: (2026)

Tencent Advertising Algorithm Challenge 2025: All-Modality Generative Recommendation
von: Pan, Junwei, et al.
Veröffentlicht: (2026)

LLM as Explainable Re-Ranker for Recommendation System
von: Wang, Yaqi, et al.
Veröffentlicht: (2025)

Harmonizing Generative Retrieval and Ranking in Chain-of-Recommendation
von: Liu, Yu, et al.
Veröffentlicht: (2026)

Reasoning to Rank: An End-to-End Solution for Exploiting Large Language Models for Recommendation
von: Zheng, Kehan, et al.
Veröffentlicht: (2026)

RankUp: Towards High-rank Representations for Large Scale Advertising Recommender Systems
von: Chen, Jin, et al.
Veröffentlicht: (2026)

RecRanker: Instruction Tuning Large Language Model as Ranker for Top-k Recommendation
von: Luo, Sichun, et al.
Veröffentlicht: (2023)

LEADRE: Multi-Faceted Knowledge Enhanced LLM Empowered Display Advertisement Recommender System
von: Li, Fengxin, et al.
Veröffentlicht: (2024)

One Model for All: Large Language Models are Domain-Agnostic Recommendation Systems
von: Tang, Zuoli, et al.
Veröffentlicht: (2023)

OneMall: One Architecture, More Scenarios -- End-to-End Generative Recommender Family at Kuaishou E-Commerce
von: Zhang, Kun, et al.
Veröffentlicht: (2026)

Rethinking Multi-objective Ranking Ensemble in Recommender System: From Score Fusion to Rank Consistency
von: Xia, Boyang, et al.
Veröffentlicht: (2026)

SCoTER: Structured Chain-of-Thought Transfer for Enhanced Recommendation
von: Jiang, Jie, et al.
Veröffentlicht: (2025)

OneRec-Think: In-Text Reasoning for Generative Recommendation
von: Liu, Zhanyu, et al.
Veröffentlicht: (2025)

MultiSlot ReRanker: A Generic Model-based Re-Ranking Framework in Recommendation Systems
von: Xiao, Qiang Charles, et al.
Veröffentlicht: (2024)

Generative Recommendation for Large-Scale Advertising
von: Xue, Ben, et al.
Veröffentlicht: (2026)

TokenMixer-Large: Scaling Up Large Ranking Models in Industrial Recommenders
von: Jiang, Yuchen, et al.
Veröffentlicht: (2026)

Explain then Rank: Scale Calibration of Neural Rankers Using Natural Language Explanations from LLMs
von: Yu, Puxuan, et al.
Veröffentlicht: (2024)

MTGR: Industrial-Scale Generative Recommendation Framework in Meituan
von: Han, Ruidong, et al.
Veröffentlicht: (2025)

Unified Generative Search and Recommendation
von: Shi, Teng, et al.
Veröffentlicht: (2025)

SORT: A Systematically Optimized Ranking Transformer for Industrial-scale Recommenders
von: Wang, Chunqi, et al.
Veröffentlicht: (2026)

RecRankerEval: A Flexible and Extensible Framework for Top-k LLM-based Recommendation
von: Meng, Zeyuan, et al.
Veröffentlicht: (2025)

Learning Cascade Ranking as One Network
von: Wang, Yunli, et al.
Veröffentlicht: (2025)

UMRE: A Unified Monotonic Transformation for Ranking Ensemble in Recommender Systems
von: Xu, Zhengrui, et al.
Veröffentlicht: (2025)

Internalizing Multi-Agent Reasoning for Accurate and Efficient LLM-based Recommendation
von: Wu, Yang, et al.
Veröffentlicht: (2026)

S-GRec: Personalized Semantic-Aware Generative Recommendation with Asymmetric Advantage
von: Jiang, Jie, et al.
Veröffentlicht: (2026)

An Industrial-Scale Sequential Recommender for LinkedIn Feed Ranking
von: Hertel, Lars, et al.
Veröffentlicht: (2026)

DiffuReason: Bridging Latent Reasoning and Generative Refinement for Sequential Recommendation
von: Jiang, Jie, et al.
Veröffentlicht: (2026)

Recurrent Preference Memory for Efficient Long-Sequence Generative Recommendation
von: Chen, Yixiao, et al.
Veröffentlicht: (2026)

InRanker: Distilled Rankers for Zero-shot Information Retrieval
von: Laitz, Thiago, et al.
Veröffentlicht: (2024)

OnePiece: Bringing Context Engineering and Reasoning to Industrial Cascade Ranking System
von: Dai, Sunhao, et al.
Veröffentlicht: (2025)

LRanker: LLM Ranker for Massive Candidates
von: Feng, Tao, et al.
Veröffentlicht: (2026)

FBAdtTracker: An Interactive Data Collection and Analysis Tool for Facebook Advertisements
von: Jeong, Ujun, et al.
Veröffentlicht: (2021)

Do Large Language Models Rank Fairly? An Empirical Study on the Fairness of LLMs as Rankers
von: Wang, Yuan, et al.
Veröffentlicht: (2024)