LLM4Rec：当推荐系统遇到大模型 - 飞书文档
https://docs.feishu.cn/article/wiki/DMqOwfhbIi2kUlkxu0RcVaYjn2FLLM v.s. Rec ; 场景. 千人千面、领域各异. 通用模型，one for all ; 输入. 物品（百万、千万）. 字词文本（十万） ; 参数规模. 亿级别. 特征参数占比大，不具备scaling law. 千亿、 ...
飞搜侠
热门搜索
基于LLM的推荐系统：如何看待其不可控性？ - 飞书文档
https://docs.feishu.cn/v/wiki/F656w0Ru7iF2UfkrCAMcEBnhnof/a2介绍了推荐系统发展过程及主流算法，该类方法有些主要特点：模型规模不大、关注用户和商品数据、针对特定任务等。随着LLM 的兴起，以及在多领域多场景的良好表现，也为推荐系统 ...
LLM4Rec：当推荐系统遇到大模型
https://f0jb1v8xcai.feishu.cn/wiki/DMqOwfhbIi2kUlkxu0RcVaYjn2F... 推荐系统发展overview 来自大模型总结的发展和展望timeline 仅供娱乐（https://mylens.ai/） image.png LLM v.s. Rec 推荐 ... 大模型在推荐系统 ... 论文中主要使用了三种利用 ...
推荐系统与大模型结合有哪些新趋势？ - 飞书文档
https://docs.feishu.cn/v/wiki/CwvTwOfhwiHIO4kCSTfcDqUonNh/ak在对齐LLM 方面，一种有效的方法是根据人类反馈的强化学习（RLHF）。尽管经典RLHF 方法的结果很出色，但其多阶段的过程依然带来了一些优化难题，其中涉及到训练一个奖励模型 ...
LLM在快手推荐的对比学习 - 飞书文档
https://docs.feishu.cn/v/wiki/YYqywFhxUiKpPfkk49DcMKXnnId/a7今天继续分享一篇大模型在推荐系统中的落地应用工作，是快手今年5月份发表的论文《Knowledge Adaptation from Large Language Model to Recommendation for Practical ...
大语言模型能否有效解决推荐问题？ - 飞书文档
https://docs.feishu.cn/v/wiki/OVHtwXJjeiVDcdkNMSRcfVKVnA6/aa一个任务称为**生成式对比学习**（Generative-Contrastive Learning），该任务会将笔记的内容压缩到一个特殊的token中，使用该token生成的向量便可以作为笔记的文本表征。这个 ...
Meta落地工业界首个万亿级别参数的生成式推荐系统模型 - 飞书文档
https://docs.feishu.cn/v/wiki/WbuuwuGO3iD9Z7kRb0bc3LFvnjg/ag传统的大规模推荐系统基于海量用户行为数据，构造海量**高基数和异构特征**进行深度模型训练。尽管模型规模已经很庞大了，但如果想进一步进行scaling，则非常困难。 受到近期 ...
大语言模型能否改善推荐系统的冷启动难题？ - 飞书文档
https://docs.feishu.cn/v/wiki/WejVwP7L1iYrlUkEWZHczTvnnkb/ah我们的实验结果显示，大语言模型在多种推荐算法上的通用性得到了验证。与未经增强的结果相比，引入大语言模型后，AUC 指标显著提升，表明开放域知识对推荐领域有显著增益 ...
LLM-KERec：利用大语言模型打破推荐系统的壁垒 - 飞书文档
https://docs.feishu.cn/article/wiki/YU8JwvK5wioTfekBIAicEQQonKh专家手工互补规则或知识图谱模型虽有助于推荐互补品，但受效率和成本挑战的影响，在快速变化的电商环境下难以持续。因此，在RS中，结合高效的知识和具有人类推理和逻辑的大语言 ...
KDD 2024｜港大黄超团队深度解析大模型在图机器学习领域的「未知 ...
https://docs.feishu.cn/article/wiki/DqGiwdnlpiYNdlkF6MGcEb5Snld其详尽剖析了四种不同的算法设计思路：一是以图神经网络为前缀，二是以大语言模型为前缀，三是大语言模型与图集成，四是仅使用大语言模型。针对每一类别，我们都着重介绍了其中 ...