特征工程、模型结构、AIGC——大模型在推荐系统中的3大落地方向｜文末赠书

主要观点总结

本文介绍了大模型在推荐系统中的应用，包括其对推荐系统的三个层次的影响，即改变知识学习方式、改造推荐系统本身和创造新的推荐内容。文章还讨论了推荐系统的未来发展，包括利用大模型进行推荐系统改造的三种阶段和推荐内容生成的应用。最后，文章强调了大模型时代对推荐系统工程师的挑战和机会。

关键观点总结

关键观点1: 大模型改变了推荐系统的知识学习方式，通过开放式学习获取更丰富知识。

传统深度学习推荐模型的知识学习是封闭式的，大模型的出现改变了这一状况，通过多模态大模型，推荐系统能够融会贯通开放世界中能获取到的几乎所有知识。

关键观点2: 大模型改造了推荐系统的智能体结构，带来效果提升的新范式。

大模型的结构与传统深度学习推荐模型区别甚大，本质上是生成式模型结构，能够在推荐模型遇到效果提升瓶颈时提供新的解决方案。

关键观点3: 大模型开始创造新的推荐世界，实现个性化内容生成。

大模型能够越过推荐环节，直接为用户创造个性化内容，这是大模型可能带给推荐系统最大的革命。

关键观点4: 推荐系统工程师需适应大模型时代的技术趋势，结合算法、工程与大模型的联合创新与优化。

大模型时代对推荐系统工程师提出了新的挑战，需要不断学习和适应新技术趋势，结合算法、工程与大模型的联合创新与优化，才能在下一步的竞争中领先。

文章预览

这里是「王喆的机器学习笔记」的第四十五篇文章。今天我们谈谈一个搜广推行业这两年怎么都绕不开的一个话题，大模型在推荐系统中的应用。两年前，我们可以说大模型是推荐系统的未来，但如今，大模型对推荐系统的改造已经如火如荼的发生着，很多头部公司都拿到了显著的收益。这篇文章不谈未来，不谈学术，就谈业界已经发生的切切实实拿到收益的大模型应用方向。 大模型影响推荐系统的三个层次 谈具体的应用之前，我们先从宏观上理解一下大模型的出现对推荐系统到底意味着什么。 就像在改造推荐模型时，我们一定要清楚信息增量在哪、模型结构的优化点在哪一样，我们并不是因为大模型这个技术比较 fancy，所以才把大模型施加到推荐系统之上，而是因为大模型确确实实能够为推荐系统带来知识和模型的全新变化，让推荐效果受益 ………………………………