当推荐系统遇见大语言模型：通往未来的三条路径

文章预览

©作者 | 张月鹏 单位 |  得物 研究方向 | 搜推算法 前言 自从大语言模型爆火之后，大家对大语言模型（LLM）如何成功应用在推荐系统进行了不少尝试。个人一直觉得 LLM 在工业界推荐系统大部分情况还是离线应用，生成一些特征或者文本。 至于其直接用作召回和排序模块，个人对这块的观点一直是比较悲观的。出于两点考虑：1）推理耗时问题，大模型的推理耗时难以满足推荐系统快速响应的体验要求；2）基于 ID 和用户行为推荐体系是语言模型难以学习的。 但是，Meta 的《Actions Speak Louder than Words: Trillion-Parameter Sequential Transducers for Generative Recommendations》第一次在大规模工业系统打败传统推荐系统的召回和排序模块。未来已来~ 首先想讲清楚几个概念和基本思路： 大模型，这里的大模型指的类似 Transfomer 结构，基于 attention 的方式的计算密集型大 ………………………………