AIGC動態(tài)歡迎閱讀

原標題：大模型放進推薦系統(tǒng)怎么玩？微軟亞研全面總結(jié)
關(guān)鍵字：用戶,模型,項目,工具,解讀
文章來源：夕小瑤科技說
內(nèi)容字數(shù)：9726字

內(nèi)容摘要：

夕小瑤科技說 原創(chuàng)作者 | 謝年年
在大模型+時代，似乎任何自然語言處理任務(wù)在大模型加持下都完成了一輪升級改造，展現(xiàn)出前所未有的高效與效果。語義理解、情感分析還是文本生成這些常規(guī)任務(wù)自然是不必說，但也有一些任務(wù)比如推薦，簡單粗暴的訓(xùn)練LLMs的思路并非明智之舉。
推薦系統(tǒng)作為一種專門類型的信息檢索系統(tǒng)，旨在從用戶的個人資料和行為歷史中捕捉偏好。
一方面，LLMs的知識邊界僅限于它們最后一次訓(xùn)練更新時可用的信息。特定項目目錄以及特定推薦環(huán)境中項目的屬性可能無法完全被LLMs捕捉。
另一方面，用戶偏好模式不僅是領(lǐng)域特定的，而且還受到快速演變的影響。因此，傳統(tǒng)的推薦模型需要頻繁重新訓(xùn)練或微調(diào)以捕捉與LLMs中編碼的一般世界知識不同的獨特和變化模式，代價高昂。
微軟亞研團隊就以上的局限探討了利用LLMs推進推薦系統(tǒng)的可能性。今天這篇論文并不是介紹某一方面的改進，而是將近期團隊中發(fā)布的關(guān)于推薦系統(tǒng)的工作打包進行系統(tǒng)性的介紹，包括推薦AI agent，面向推薦的語言模型，推薦知識插件，推薦模型的可解釋性，自動評估器幾大方面，并推出一個輕量級工具包——RecAI，從全面和多樣化的角度將LLMs整合到

原文鏈接：大模型放進推薦系統(tǒng)怎么玩？微軟亞研全面總結(jié)

聯(lián)系作者

文章來源：夕小瑤科技說
作者微信：xixiaoyaoQAQ
作者簡介：專業(yè)、有趣、深度價值導(dǎo)向的科技媒體。聚集30萬AI工程師、研究員，覆蓋500多家海內(nèi)外機構(gòu)投資人，互聯(lián)網(wǎng)大廠中高管和AI公司創(chuàng)始人。一線作者來自清北、國內(nèi)外頂級AI實驗室和大廠，兼?zhèn)涿翡J的行業(yè)嗅覺和洞察深度。商務(wù)合作：zym5189