TLDR：这篇工作把跨域推荐（Cross-Domain Recommendation, CDR)从传统的「共享 ID + 表征对齐」思路，推进到一个真正语义驱动、生成式建模的新范式。现实世界里，大多数跨域场景根本没有统一的 user / item ID，现有 CDR 方法在工业落地时非常受限；而 LLM-based 推荐虽然强大，却普遍卡在两个核心瓶颈：一是 item tokenization 困境——要么词表爆炸，要么无法表达高阶协同信号；二是 domain personalization 缺失——只能学到一份「泛化偏好」，却难以细粒度刻画不同域里的兴趣表达。GenCDR 的核心做法，是先把多域内容统一压缩到一套离散语义 ID（Semantic IDs, SIDs）上，再让 LLM 在这套语义 ID 上做生成式推荐，并通过域自适应建模和前缀树约束，兼顾表达力、效率与可扩展性。实验表明，GenCDR 在多个真实跨域数据集上，相比单域推荐、经典 CDR、现有生成式推荐和 LLM4CDR 方法均有显著提升。

论文：https://arxiv.org/pdf/2511.08006

引言

随着用户行为越来越跨场景、多模态、多平台，跨域推荐成为现代推荐系统的核心能力。然而传统 CDR 通常依赖共享用户或商品 ID 进行知识迁移，而在真实世界中，不同平台、不同业务、不同商品体系之间几乎不存在稳定的 ID 对齐关系。

图1：跨域场景示意

如图1所示，“Apple”在不同域具有完全不同的语义：在科技域，它是健康监测、智能生态的 Apple Watch；在生活域，它是甜度、营养相关的新鲜水果。它们共享一部分语义，但又有强烈的域特性。传统 ID 根本无法表达这些语义差异，而简单拼接文本让 LLM 直接学习，又会带来词表膨胀、结构缺失等问题。

基于这一观察，本文提出一个关键观点：跨域推荐真正需要的，不是对齐 IDs，而是对齐语义空间。换言之，跨域知识迁移的核心在于构建一个既能跨域共享，又能保留域特定细粒度差异的统一离散语义空间（Semantic ID space）。

为此，本文提出 GenCDR 框架，旨在系统解决跨域推荐中的两类长期瓶颈：

• Item Tokenization Dilemma：如何在不同域之间获得可生成、可检索、且语义融合共性与特性的离散表示；
• Domain Personalization Gap：如何同时建模跨域共享兴趣与域内特定偏好，而不发生负迁移。

GenCDR 提供了一个完整的生成式跨域范式，包括：

• Domain-adaptive Tokenization：通过“通用语义编码器 + 域自适应 LoRA”生成统一但可调节的语义 IDs，动态分离通用语义与域特定语义；

• Cross-domain Autoregressive Recommendation：在用户侧构建对称结构，通过“通用兴趣建模 + 域自适应兴趣路由”实现多域用户兴趣的动态融合；

• Domain-aware Prefix-tree 推理机制：确保生成的 Semantic IDs 合法、高效，并适配目标域的语义结构。

方法

为了解决跨域推荐的根源性瓶颈，本文提出了 GenCDR（Generative Cross-Domain Recommendation）。它通过“语义 tokenization → 生成式序列建模 → 结构化解码”三层机制，从根本上重塑跨域推荐的建模方式。

图2：GenCDR 整体架构 （Tokenization → Autoregressive Generation → Prefix-tree Decoding）

GenCDR 核心包含三个阶段：

1. Domain-adaptive Tokenization：构建跨域统一语义 ID: 为了摆脱传统 item ID 无法迁移的问题，GenCDR 首先利用 RQ-VAE 学习一个跨域共享的语义空间，并通过 LoRA 轻量适配不同 domain 的语义差异。进一步地，一个 item-level 动态门控会在“通用语义”与“域特定语义”之间自适应融合，最终将每个 item 编码成可生成、可迁移的 Semantic ID，使所有商品在跨域场景下拥有统一的表达形式。

2. Cross-Domain Autoregressive Recommendation：用 LLM 生成跨域兴趣序列: 在 item 获得语义化表达后，用户的多域行为也被统一成了一条可生成的语义序列。GenCDR 通过 LLM 进行自回归建模：先训练一组“通用 LoRA 专家”学习跨域共享偏好，再为每个 domain 训练专属 LoRA 适配不同行业的细粒度兴趣。推理时，一个 user-level 动态路由器会根据用户状态融合“通用偏好”与“域特定偏好”，从而同时捕捉跨域可迁移兴趣与单域个性化模式。

3. Domain-aware Prefix-tree：保证生成式推荐合法高效: 为避免 LLM 出现不存在的 item（hallucination），GenCDR 为每个 domain 构建 prefix-tree，将生成空间限制在真实存在的语义前缀集合中。解码过程中模型只能在合法路径上前进，使生成结果始终对应真实 item，同时推理复杂度与 item 总规模解耦，具备大规模工业部署的实际可用性。

实验

1. 整体效果（Overall Performance）：在所有数据集上，GenCDR 在 Recall@5/10 与 NDCG@5/10 均稳定超越单域模型（SASRec、BERT4Rec）、生成式模型（TIGER、VQ-Rec）以及最新跨域方法（TriCDR、LLM4CDSR）。尤其在极低重叠且高度稀疏的 Phones–Electronics 场景，GenCDR 依然取得最优结果，表明语义 ID 与跨域生成式建模能够有效弥补 domain gap，提高泛化能力。

2. 消融实验（Ablation Study）：对三个核心模块分别进行拆解验证。移除 Domain-adaptive Tokenization 会导致跨域表达混乱，性能显著下降；去除 domain-specific LoRA 则削弱了用户兴趣在不同场景中的差异化建模能力；取消 Prefix-tree 解码会产生大量不合法 ID，导致生成质量与下游指标明显退化。结果表明三大模块缺一不可，完整 GenCDR 始终最优。

3. 语义空间可视化验证 (In-depth Analysis): 对最终的语义表示进行了 t-SNE 分析，结果显示 Domain-adaptive Tokenization 能让不同 domain 的 items 自然分簇，而跨域相似商品依旧保持语义邻近；同时，在用户序列层面，GenCDR 生成的跨域行为轨迹呈现清晰的语义迁移模式，验证了模型成功同时捕捉“共享语义”与“域特定差异”，也是其在低重叠高稀疏场景仍能稳定领先的关键原因。

总结与展望

GenCDR 通过引入统一且可适配的离散语义空间，为跨域推荐构建了一条新的生成式路径。从通用语义到域特定语义，从用户共享偏好到个性化兴趣表达，再到域感知的结构化生成，GenCDR 提供了一套可解释、可扩展、且与大模型原生契合的系统化范式。实验结果表明，这种“从 ID 到语义（From IDs to Semantics）”的生成式转向，不仅有效缓解了长期存在的 tokenization 困境，也显著提升了跨域推荐的泛化性与表达能力。整体而言，GenCDR 展示了生成式方法在跨域推荐中的可行性与潜力，也提出了新的研究方向：以语义为基础、以生成为核心，以跨域一致性与个性化共存为目标，构建下一代统一的推荐范式。

欢迎干货投稿 \ 论文宣传 \ 合作交流