华为诺亚方舟实验室的唐睿明在DataFunSummit#2023推荐系统如何从大语言模型中取长补短的报告中,探讨了推荐模型如何从大语言模型中取长补短,从而提升推荐性能,优化用户体验的问题。报告指出,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,但缺乏语义信息和深度意图推理。而大语言模型可以引入外部开放世界知识,具备跨域推荐能力,适合冷启动场景,但协同信号缺失,计算复杂度高,难以处理海量样本。报告将该问题拆解为何处运用大语言模型(WHERE to adapt)和如何运用大语言模型(HOW to adapt)两个关键趋势,并分别介绍了大语言模型在特征工程、特征编码、打分排序、流程控制等环节的应用。报告还总结了大语言模型用于推荐系统的挑战,并展望了未来趋势。