在罗马举办的 CIKM 2026 国际信息检索与知识管理大会上，淘天集团淘宝推荐算法团队联合复旦大学、清华大学深圳国际研究生院共同提交的论文拿到最佳应用研究论文奖，这篇论文提出 ChoirRec 框架，专门解决电商里低活跃用户数据稀疏、转化率很难预测的行业痛点；电商平台里大约 55% 用户属于低活跃用户，历史行为很少，常规推荐模型很难读懂用户偏好，预测转化效果差，ChoirRec 借助大模型给用户生成语义画像，再做层级化语义分组，让低活用户借用同组用户的群体特征补齐信息短板；这套方案已经在淘宝首页推荐上线验证，离线测试 GAUC 提升 1.16%，线上 A/B 测试订单量上涨 7.24%，而且不会增加线上推理延迟，兼顾业务收益和系统性能，这次获奖也代表国内电商工业界的落地算法，在国际顶会应用赛道拿到权威认可。
一、获奖论文与 CIKM 会议基础信息表
| 项目 | 详情 |
|---|---|
| 会议全称 | 第 35 届 ACM 国际信息与知识管理大会 CIKM 2026 |
| 举办地点 | 意大利罗马 |
| 获奖论文名称 | ChoirRec: Semantic User Grouping via LLMs for Conversion Rate Prediction of Low-Activity Users |
| 获奖奖项 | Best Applied Research Paper 最佳应用研究论文奖 |
| 研发主体 | 淘天淘宝推荐算法团队、复旦大学、清华大学深圳国际研究生院 |
| 核心方案 | ChoirRec，基于大模型语义用户分组做低活用户转化率预测 |
| 落地场景 | 淘宝首页推荐（首猜） |
| 核心痛点 | 低活跃用户行为数据稀疏、转化预测不准 |
二、ChoirRec 核心工作流程清单
- 利用大语言模型解析用户行为、偏好，生成用户语义画像
- 基于语义画像，对海量用户做层级化聚类，形成语义用户组
- 数据稀疏的低活跃用户，复用同组群体知识补充特征信息
- 模型学习群体 + 个体特征，输出更精准的转化率 CVR 预测
- 在线部署到淘宝推荐链路，在不增加推理时延前提下做推荐优化
- 离线、线上 A/B 实验验证效果，稳定提升订单转化
三、方案实验效果汇总
✅ 离线指标：低活用户 GAUC 提升 1.16%
✅ 线上指标：淘宝首猜订单量提升 7.24%
✅ 性能指标：线上推理时延无增加，适合大规模工业流量
✅ 适用人群：平台内行为少、历史交互稀疏的低活跃用户
四、本次获奖意义与行业价值
✅ 行业价值
- 攻克电商推荐长期难点：低活跃长尾用户建模
- 证明大模型语义分组思路可以低成本落地到大规模推荐系统
- 工业落地成果被国际顶会认可，国内电商算法应用研究再获突破
⚠️ 边界说明
ChoirRec 聚焦转化率预测，不是通用推荐全链路方案，针对高活跃用户不做特殊优化；成果是论文方案，后续淘天还会持续迭代优化。
【常见问题】
问题 1：淘天集团斩获 CIKM 2026 最佳应用研究论文奖，CIKM 是什么级别的会议？
回答 1：淘天集团斩获 CIKM 2026 最佳应用研究论文奖，CIKM 是 ACM 旗下信息检索、数据挖掘、知识管理方向的国际顶级学术会议，在推荐、搜索领域认可度很高。
问题 2：淘天集团斩获 CIKM 2026 最佳应用研究论文奖，ChoirRec 主要解决什么问题？
回答 2：淘天集团斩获 CIKM 2026 最佳应用研究论文奖，ChoirRec 用来解决电商平台低活跃用户行为太少、转化预测不准的痛点，依靠大模型语义分组借用群体信息提升预测精度。
问题 3：淘天集团斩获 CIKM 2026 最佳应用研究论文奖，这个算法已经在淘宝上线了吗？
回答 3：淘天集团斩获 CIKM 2026 最佳应用研究论文奖，ChoirRec 已经在淘宝首页推荐场景完成线上 A/B 实验，验证了订单提升效果，并且没有带来额外推理延迟。
【参考资料】
[2026-11-12]（淘天集团荣获 CIKM 2026 最佳应用研究论文奖）网易科技
[2026-11-12]（ChoirRec: Semantic User Grouping via LLMs for Conversion Rate Prediction of Low-Activity Users）ACM Digital Library
[2026-11-11]（CIKM2026 罗马闭幕，淘天团队拿下最佳应用论文）机器之心
[2026-11-10]（淘天 ChoirRec 论文解读，低活用户转化预测新方案）AI 前线
【免责声明】
本文仅为学术成果资讯整理，不构成投资、商业合作建议。论文实验数据来自本次 CIKM 公开论文与淘天团队披露的 A/B 测试结果，算法效果受流量、用户结构、版本迭代影响，平台最终业务效果以淘天官方发布为准。