OneReason 技术报告

针对单靠物品令牌难以构建有效思维链（CoT）导致生成式推荐模型推理能力受限的问题，本文提出 OneReason。研究指出有效推理依赖于感知（ grounding 物品语义）与认知（重组用户行为为潜在兴趣点）。该方法包含：预训练中的强物品感知、监督微调阶段的三级认知增强 CoT 格式，以及强化学习中“先专精后统一”的训练策略，显著提升了推荐系统的思维与推理能力。