大模型推荐笔记

1.总览图，目前现有的工作方向有以下四类：

1.1 In-context-Recommendation

【1、4】直接把推荐的事例，组织成In-context-example的形式，让LLM对于现有的用户直接做推荐

【2、5、6】对于现有的item做排序（应该是希望类似精排的作用、具体看完文章后补充）

【3、7】更细致的用户画像，然后导入传统模型、做知识增强

1.2 Tunining

【左边】判别式：直接tuning,多做一些喜好的预测

【右边】生成式：将用户历史记录做一个序列化，然后直接生成下一个推荐

1.3 Chatting

1.4 Agent 

【1】模拟用户行为

【2】直接用于推荐

2、大模型其他特点与实验说明

总结：

1.冷启动能力非常优秀，吊打现有的传统的会话推荐中的模型

2.对于协同的信息能力非常弱

用传统的MF得到协同信息，然后二步tuning，第一步Lora只应用Text文本信息，第二步再加入协同信息，进行训练