字节跳动 OneTrans-GSR：用单个自回归模型统一重排与混排

字节跳动论文提出 OneTrans-GSR，以基于 OneTrans 骨干的 decoder-only 策略模型端到端生成推荐曝光 slate，统一商品卡、短视频、直播和广告卡的 reranking 与 mix-ranking。训练通过奖励模型评估完整 slate，并利用强化学习进行 slate 级优化，替代规则驱动的排序组装。