Про ACM RecSys 2026

Вот и подходит к концу главная международная конференция по рекомендательным системам. В русскоязычных каналах о ней почему-то писали совсем немного, поэтому вставлю свои пять копеек.

Во-первых, рекомендую канал Кирилла Ляхновича — Recommender Mender, который он запустил буквально во время конференции. Кирилл работает в Т-Банке и уже внес огромный вклад в наши публикации на SIGIR, KDD, RecSys и CIKM. В канале он опубликовал обзоры докладов и событий конференции, поскольку ему удалось побывать там лично. Надеюсь, еще напишет и про общие впечатления от поездки.

Во-вторых, хочу подсветить нашу библиотеку scikit-rank с конференции. В ней реализован привычный интерфейс fit/predict для DCN v2, FinalNet, TabM и DESTINE. Под капотом также доступны современные способы кодирования численных и категориальных признаков: PLE, PLR, MultiHash и Unified Embeddings.

Наша основная мотивация — снизить порог входа для перехода от бустингов к нейросетям в прикладных задачах. Подробнее об этом рассказывали на Хабре. На внутренних задачах мы убедились, что эти реализации дают прирост относительно хорошо настроенных градиентных бустингов. Надеюсь, кому-нибудь библиотека окажется полезной!

В-третьих, заголовки статей с конференции вызывают у меня противоречивые чувства. С одной стороны, много работ с хайповыми словами вроде LLM и Agents — в том числе от ведущих мировых компаний. С другой — часть статей будто пришла из 2022–2025 годов: в них продолжают развивать идеи, доступные уже тогда.

Это укрепляет меня в мысли, что интересный ресерч все больше смещается в индустрию. Там есть:
а) серьезные вычислительные ресурсы и большие объемы данных, благодаря которым возникают новые вызовы и обнаруживаются новые свойства моделей;
б) возможность проверять гипотезы с помощью A/B-тестов.

В то же время часть классических академических работ начинает напоминать заезженную пластинку: на MovieLens-1M в очередной раз модифицируют SASRec. Косвенно тезис о смещении исследований в индустрию подтверждает и наблюдение Саши Петрова: по его словам, представители академии составили всего 16% участников конференции.
Но есть в этом и плюс: про индустриальные исследовательские работы уже не получится сказать: «Модели из статей не масштабируются — у нас гораздо больше данных». Именно это мне говорили в 2020 году в двух крупных российских компаниях.