一文梳理推荐系统中如何应用大模型

大家好我是蘑菇先生。今天给大家分享下华为诺亚方舟实验室的talk:《推荐系统如何从大语言模型中取长补短：从应用视角出发》，个人感觉很有信息量，我们组内同学也做过交流分享，相关信息也可以从综述找到："How Can Recommender Systems Benefit from Large Language Models: A Survey"，在此分享给大家。

下面会围绕：背景和问题、何处运用大语言模型(7个代表性工作)、如何运用大语言模型(2个代表性工作)、挑战和展望四个部分展开介绍。由于篇幅原因，代表性工作只简要做个介绍，下回会对其中比较有意思的代表性工作做个详细分享。

1、背景和问题

传统的推荐模型（Conventional Recommendation Model，CRM）往往以Embedding+深度网络为backbone，通过拟合用户反馈信号提升推荐效果。CRM的主要特点是：

• 模型相对较小，时间空间开销低；
• 可以充分利用用户反馈信号；
• 只能利用数据集内的知识；
• 缺乏语义信息和深度意图推理。

相对的，大语言模型（LLM）以Transformer为backbone，通过大规模预训练语料和自监督训练提升通用语义理解和生成能力。L