认知推荐（二）：基于LLM的淘宝推荐算法显著提升发现性比例

文章预览

这是 2025 年的第 9 篇文章 （ 本文阅读时间：15分钟 ） 自大型语言模型（LLM）问世以来，其影响力逐渐渗透到推荐算法领域。在推荐算法领域中，如何有效利用大模型的能力，主要存在两种思路：一种是“改良派”，旨在通过大模型技术增强现有系统性能，在实际应用中逐步优化；另一种是“革命派”，认为现有推荐框架限制了大模型发挥，与其在已有的框架下小修小补，不如直接掀桌重开。认知推荐属于“改良派”的一种，它快速锚定了推荐中的“信息茧房”问题，通过大模型构建认知链路来深化用户兴趣探索，提升整个链路发现性水平，最终提升用户体验。 作者： 沉雨、昱桀、点尘、致立、福澜、青雅、语玥、武见 01 前言 本文将深入分析如何通过一系列技术改进，将这些先进的大模型无缝集成到现有的推荐系统中，从而实现更精准、更个性 ………………………………