LoopRec
一种物品级自适应递归框架，用于序列推荐，通过门控机制为每个物品动态分配计算深度，实现按需计算。
时间轴 (近 90 天)
LoopRec是一种物品级自适应递归框架，其核心是一个权重共享的递归块，并在每个递归边界引入轻量级门控，对每个物品独立做出退出或继续的二值决策。
LoopRec将固定的全局深度转化为可学习的每物品属性，无需辅助深度标签，且易于适配多种骨干架构。
在四个骨干家族上的公开基准实验表明，LoopRec持续优于匹配的固定深度基线。
LoopRec中权重共享使参数总量不随最大深度增长。
LoopRec的门控机制输出二值决策，训练时需采用Gumbel-Softmax、直通估计器或带温度退火的松弛采样等方法解决不可微问题。
LoopRec的门控退出决策完全由推荐损失驱动学习，没有显式的深度监督标签。
LoopRec学习到的计算分配呈现低频物品和更近期交互获得更深计算的可解释模式，且与事后Oracle分析一致。
目前关于LoopRec的讨论主要集中于学术社区，尚未见大规模工业部署报告。
全部知识事实 (8)
LoopRec是一种物品级自适应递归框架，其核心是一个权重共享的递归块，并在每个递归边界引入轻量级门控，对每个物品独立做出退出或继续的二值决策。
50%待验证LoopRec将固定的全局深度转化为可学习的每物品属性，无需辅助深度标签，且易于适配多种骨干架构。
50%待验证在四个骨干家族上的公开基准实验表明，LoopRec持续优于匹配的固定深度基线。
50%待验证LoopRec中权重共享使参数总量不随最大深度增长。
50%待验证LoopRec的门控机制输出二值决策，训练时需采用Gumbel-Softmax、直通估计器或带温度退火的松弛采样等方法解决不可微问题。
50%待验证LoopRec的门控退出决策完全由推荐损失驱动学习，没有显式的深度监督标签。
50%待验证LoopRec学习到的计算分配呈现低频物品和更近期交互获得更深计算的可解释模式，且与事后Oracle分析一致。
50%待验证目前关于LoopRec的讨论主要集中于学术社区，尚未见大规模工业部署报告。
50%