CQG 连续查询范式提出：拟弃用 Semantic ID
先了解这件事
2026年10月12日，AGI Hunt 报道一篇论文提出 CQG-Single 与 CQG-AR 两种连续查询范式，试图让生成式推荐摆脱 Semantic ID。报道称，该范式移除了 Semantic ID 词表、码本查找与离散束扩展，使所有编码物品都可通过稠密或 ANN 检索直接打分，从而消除有限束搜索的可达性缺陷；实验显示 CQG-Single 在全部七次运行中超越 TIGER 风格基线，可训练参数仅为后者的 55.3%，CQG-AR 在 ML-1M 上表现相当，在 Beauty 和 Sports 数据集上数值更强。同日 12:00，arXiv cs.AI 收录该论文《超越 Semantic IDs：生成式推荐中的有限束可达性与连续查询生成》，说明在统一协议与合法前缀约束解码下，CQG-Single 七次运行全部超过 TIGER 式基线、可训练参数用量为 55.3%，CQG-AR 在 ML-1M 上表现相当、在 Beauty 与 Sports 上数值更强。两次报道在方法、数据集与结果上一致，未出现数字或说法冲突。
AI 根据报道生成 · 32 分钟前更新
报道时间线
沿着报道，了解事件的不同侧面。
- arXiv cs.AI超越 Semantic IDs：生成式推荐中的有限束可达性与连续查询生成
研究提出 CQG-Single 与 CQG-AR 两种连续查询范式，去除 SID item-token 词表、code 查找与离散束扩展，消除有限束解码带来的可达性约束。在统一协议与合法前缀约束解码下，CQG-Single 七次运行全部超过 TIGER 式基线，可训练参数用量为 55.3%；CQG-AR 在 ML-1M 上表现相当，在 Beauty 与 Sports 数据集上数值更强。
- AGI Hunt生成式推荐摆脱 Semantic ID：CQG 连续查询消除有限束搜索可达性缺陷
一篇论文提出 CQG-Single 与 CQG-AR 两种连续查询范式，移除 Semantic ID 词表、码本查找与离散束扩展，让所有编码物品可通过稠密或 ANN 检索直接打分。CQG-Single 在全部七次运行中超越 TIGER 风格基线，可训练参数仅为其 55.3%；CQG-AR 在 ML-1M 上表现相当，在 Beauty 和 Sports 数据集上数值更强。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。