OptST：让冻结语义分词器适配下游推荐的低秩变形与按需 token 深度

OptST 提出让冻结语义分词器适配下游推荐任务的两阶段生成式推荐方案，包含低秩变形与锚点正则，在不更新预训练编码器和基础码本的前提下学习受约束的 token 分配调整。其直通估计器让推荐监督穿过离散分配进行训练，预测时保留硬性最近邻分配，并按交互难度选择暴露的语义 token 数量。