知识与几何解耦：面向流式推荐的可刷新预训练迁移

论文提出知识与几何解耦框架KGD，分别用行为多Token预测BMTP筛选更相关的未来物品监督，并以可刷新的编码器、只读交叉注意力和正交锚定校准残差ACR分离预训练知识与任务几何。据摘要，KGD在8个公开基准提升4%-12%，在Shopee持续90天线上流及首页搜索A/B测试中分别带来1.75%的用户GMV和1.53%的广告收入增长。