LLM 在推荐系统领域的应用

目录

01 前言

02 现状

2.1 推荐系统

2.2 大模型

2.2.1 涌现

2.2.2 上下文学习&COT能力

03 LLM4Rec

3.1 为什么要用LLM

1）LLM Embeddings + RS

2）LLM Tokens + RS

3）LLM AS RS

3.2 Pretraining-FLM

3.3 Fine-Tuning-FLM

3.4 Prompt-Tuning

3.5 Survey

3.6 LLM-Based 长文档推荐

04 总结＆展望

参考阅读：

01 前言

最近大模型真的很火，从个人到公司，各行各业都在学习大模型、总结大模型和尝试应用大模型。大模型其实不是一个新的产物，已经在NLP发展了很多年。ChatGPT的诞生，经验的效果震惊了所有人，虽然也有一些瑕疵，但是瑕不掩瑜。微软投资OpenAI看到了它的未来。

微软快速围绕ChatGPT对相关的产品进行了产品升级，从搜索到微软365各种产品。一个大象级别的公司，竟然在AI面前这么灵活，而且有决心、有魄力对全部产品进行改造，ALL IN AI 。微软的几个点给我印象深刻：

• 50%左右的人没有用过AIGC；

• 80%的人只用过简单的提示词，把AI作为知识库；

• 90%的人过度理解AI，AI可以解决一切。