TL;DR

生成式推荐（Generative Recommendation, GR）在近两年学术界风头无两，大家普遍认为它取代传统的 SASRec 是因为“泛化能力强”。但本文通过对 7 个真实数据集的精细化拆解发现：GR 模型的所谓“泛化”，其实是“Token 级的记忆”换了个马甲。 研究表明，GR 擅长组合新模式，而传统的 Item ID 模型在忠实记忆历史上表现更佳。基于此，作者提出了一个“自适应集成”方案，实现了 1+1>2 的性能突破。

背景定位

本文是推荐系统领域对 GR 范式的一次深度“审计”。它不满足于 SOTA 刷榜，而是从数据动力学的角度，精准划定了 GR 模型（如 TIGER）与 ID 模型（如 SASRec）的势力范围。

痛点深挖：记忆还是泛化？

在序列推荐任务中，我们通常根据用户的历史行为 [i1, i2, ...] 预测下一个项 it。

• 记忆 (Memorization)：如果训练集里存在 i_{t-1} -> it 的转换，模型只需死记硬背。
• 泛化 (Generalization)：如果这个转换从未出现，模型必须通过传递性（Transitivity）、对称性（Symmetry）或多跳关联来推断。

以往的对比往往只看总分，导致我们忽略了 GR 模型在某些简单记忆场景下其实是不如传统 ID 模型的。

核心机制：Token 级别的显微镜

为什么 GR 表现出更好的泛化性？作者通过 Prefix N-gram Memorization 这一概念给出了物理直觉：

核心洞察：

1. 项级泛化 = Token 级记忆：虽然 Item A -> Item B 的转换在训练集中没见过，但 Item A 的语义前缀（Token）到 Item B 的语义前缀转换可能出现过成千上万次。GR 模型通过学习这些子项 Token 的规律，“拼凑”出了对新项转换的预测能力。
2. 稀释效应 (Dilution Effect)：当模型过度关注共享的 Token 前缀时，它对特定项的独特性记忆反而下降了。这就解释了为什么在热门推荐（高频项转换）上，GR 有时会被简单的 SASRec 吊打。

实验战绩

作者在 Sports、Beauty、Steam 等 7 个数据集上进行了大规模消融实验：

• 关键发现 1：在所有数据集上，TIGER 在泛化子集（Generalization Groups）上均保持领先。
• 关键发现 2：在跳数（Hops）增加的情况下，SASRec 的性能崩塌速度远快于 TIGER，证明了生成式架构对长距离抽象关联的处理能力。

深度洞察：自适应集成 (Adaptive Ensemble)

既然两种 paradigm 各有千秋，能不能既要又要？ 作者提出了一个由 MSP (Maximum Softmax Probability) 驱动的指标。

• 当模型对某个预测非常“自信”（MSP 高）时，通常意味着这更倾向于一个记忆任务，此时调高 SASRec 的权重；
• 反之，权重向 TIGER 倾斜。

这种“因材施教”的方法在几乎所有指标上都刷新了基准。

总结与局限

Takeaway: 生成式推荐不是万灵药，它的强大源于对语义空间的“碎片化记忆”。

局限性: 当前框架主要基于语义 ID。如果未来引入多模态（图片/文本）作为 Token，这种记忆与泛化的分界线可能会进一步模糊。此外，如何设计更高效的 Tokenizer 以平衡“稀释效应”和“泛化收益”，仍是亟待解决的工业界难题。