本文提出了 UniVA，一个专为工业级广告生成的统一价值对齐框架。该框架将推荐任务转化为 Next-token 生成问题，通过 Commercial SID 构造、Generation-as-Ranking 解码器以及价值引导的个性化 Beam Search，首次在生成式推荐（GR）中实现了语义兴趣与商业价值（eCPM/GMV）的全链路对齐。
TL;DR
生成式推荐（GR）正在重塑工业推荐系统的格局，但在广告这一追求“真金白银”的场景下，单纯的语义模仿（Semantics-centric）会导致商业价值的损失。腾讯、武大、北大联合推出的 UniVA 框架，通过对 Tokenization、Decoding 和 Serving 的全链条改造，实现了语义相关性与商业价值（eCPM）的统一对齐，在视频号广告场景下实现了 1.5% 的 GMV 提升。
背景：为什么生成式广告推荐这么难？
传统的生成式推荐将 item 映射为 Semantic ID (SID)，模型只需学习“预测下一个 token”。然而，在广告领域，系统不仅要看用户喜不喜欢（语义匹配），还要看广告主出的钱多不多（eCPM、ROI）。
作者敏锐地指出，目前的 GR 框架存在三大痛点：
- 价值迟钝的 SID：语义相近的广告可能商业价值天差地别，但它们被分配了相似的 ID 路径。
- 语义主导的解码：解码逻辑只看概率（Likelihood），导致高商业价值但概率略低的路径被过早裁剪。
- 价值盲视的服务：在线搜索时，模型在海量无效路径上浪费算力，且没有实时“钱”的意识。
核心技术：三位一体的统一对齐
1. 商业 SID 分词器 (Commercial SID Tokenizer)
UniVA 不再使用纯语义的 ID。它在 SID 的顶层保留语义信息，但在底层引入了 Commercial SID (CSID)。
- 属性压缩：将长尾的行业、目标等属性进行聚类和合并。
- 等频 binning：根据出价（Bid）进行分桶，确保同一个 SID 路径下的广告不仅长得像，而且“价位相近”。
2. 双头解码器：生成即排序 (Generation-as-Ranking)
这是 UniVA 的灵魂。它在隐藏层之上设计了两个输出头：
- Generation Head：通过监督学习保证生成的连贯性。
- Value Head：通过强化学习（RL）估计每个 Token 的未来商业收益。
在推理时，这两个头的得分会直接融合。这意味着解码过程本身就是在进行实时排序，彻底告别了“先生成、后重排”的低效流水线。
3. eCPM 感知的强化学习加速
为了让 Value Head 学得准，作者引入了模拟器（Simulator）驱动的 RL 训练。利用 MCTS-PPO 算法在离线环境进行大规模探索，并通过动态采样策略捕捉高价值路径。这种方法让模型不仅能看到当前的 Token，还能“看到”整条 SID 路径跑通后的期望收益。
实验战绩
UniVA 在腾讯的大规模广告语料库上进行了严苛测试。
- 离线精度：HR@100 相对基线提升了 37.04%。
- 商业敏锐度：价值加权的 wNDCG@100 提升了 26.20%。
- 消融实验：结果显示 MoE (提升 18.4%) 和 Commercial SID (提升 5.78%) 是核心驱动力（见下表）。
关键洞察：商用 ID 的“降噪”能力
通过对比发现，引入 Commercial SID 后，同一路径下广告的出价方差（Bid Variance）降低了约一个数量级。这意味着模型现在拥有了一个“干净”的价值学习坐标系。
总结与价值
UniVA 代表了生成式推荐从“实验室原型”向“商业闭环”迈出的关键一步。它告诉我们：
- Inductive Bias 依然重要：将商业属性结构化地注入 ID 设计比纯端到端学习更高效。
- 端到端优化的必要性：将排序（Ranking）逻辑下沉到解码（Decoding）层，不仅能减少漏斗损失，还能大幅优化在线延时。
局限性：尽管 UniVA 引入了 MoE 和 MoR 来应对模型扩展，但全路径搜索的计算成本依然是工业落地时的挑战。未来的方向可能在于更极速的非自回归生成架构。