背景和问题
传统的推荐系统
模型相对较小,时间空间开销低√
可以充分利用协同信号√
只能利用数据集内的知识×
缺乏语义信息和深度意图推理×
大语言模型
引入外部开放世界知识,语义信号丰富√
具备跨域推荐能力,适合冷启动场景√
协同信号缺失×
计算复杂度高,难以处理海量样本×
核心研究问题
推荐模型如何从大模型中取长补短,从而提升推荐性 能,优化用户体验?
从应用角度出发,我们进一步将该问题拆解为
何处运用大语言模型(WHERE to adapt)
如何运用大语言模型(HOW to adapt)
本篇完整版资源,请移步公众号:侠说,本报告内容节选如下:
资料下载方式:公众号《侠说》
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.