OneReason Technical Report
本条目由 AI 按收录标准筛选与撰写，经独立的 AI 核查在原文中逐条找到依据，未经人工审核；数字与结论以原文为准。
相关报告
收录理由
该报告为生成式推荐推理技术报告，阐述感知与认知设计、四级粒度预训练、R0–R3 监督微调与 specialize-then-unify 强化学习配方，并构建 OneReason-Bench 评测体系，计划开源模型与微调材料。
关键要点
- OneRec 等生成式模型难以仅用 itemic token 构造有意义 CoT；OneRec-Think 与 OpenOneRec 中思考模式相对非思考模式未显优势。
- 有效推荐推理依赖 perception（itemic token 语义 grounding）与 cognition（将用户行为序列重组为连贯 latent interest points）。
- 预训练收集粗到细对齐语料，SFT 采用推荐任务三级认知增强 CoT 格式，RL 采用 specialize-then-unify 训练配方。
- 多域混合 RL 下思考模式仍弱于非思考；限制为单域 RL 时思考模式一致更好，从而采用先域内强化再跨域统一的策略。
- 在训练 token 数量相等时，部分域以 CoT 监督数据替换 unCoT 数据可提升非思考模式推理表现。
- 该报告系统给出推理基准与设计洞见，并将向公众开源 OneReason-8B 与 OneReason-0.8B 及微调相关材料。