资料来源：AICON
获取方式：文末附下载链接
更多资料：10W+份报告、干货分享
付费推广：推广报告（付费推广，欢迎洽谈）
( 每日分享最新重磅报告，与投资人、企业高管、创业者、行业研究员等群成员大咖互动交流，实现拓展人脉、资源对接、项目合作等 )
《大模型专题：大模型在华为推荐场景中的探索和应用》由华为诺亚方舟实验室高级算法工程师陈渤在AiCon全球人工智能开发与应用大会上演讲内容整理而成。报告介绍了大模型在华为推荐场景中的应用，包括背景、LLM for Feature、LLM for Ranking和总结与展望四部分。推荐系统旨在为用户推荐感兴趣的资讯，提升用户体验，同时帮助广告主精准投放，挖掘潜在客户。
大模型时代下的推荐系统引入外部开放世界知识，具备跨域推荐能力，但也存在计算复杂度高、难以处理海量样本等问题。LLM4Rec在工业推荐链路中的应用包括特征工程、特征编码、打分/排序、用户交互和流程控制等环节。现有LLM4Rec工作可根据训练和推理阶段分为四个象限，呈现出语义+协同的趋势。
利用LLM开放知识辅助推荐的通用框架KAR，通过知识推理和生成、知识适配和知识利用等技术方案，在9个SOTA的推荐模型上平均AUC显著提升，在华为音乐歌单推荐和应用市场场景全量上线取得良好效果，并进行了进一步探索。面向LLM推荐知识生成的解码加速方法，通过基于检索的投机解码分析等技术方案，在4个LLM知识生成框架中取得3 - 5x的加速效果，在5个不同类型LLM中取得一致加速效果，并在华为广告场景落地。
LLM for Ranking介绍了LLM直接排序的长序列理解方法及相关技术方案和实验结果，包括ReLLa方法可提升推荐性能，LLM个性化参数微调方法及相关技术方案和实验结果，如RecLoRA取得更好的预测效率和模型效果，语义增强的推荐方法及相关技术方案和实验结果，如CTRL方法提升了AUC和推理效率。最后总结大模型对推荐系统的信息增益，包括拥有世界知识和逻辑推理能力等，突破传统定位，重塑推荐流程，语义协同兼顾，空间融合，缓解稀疏场景，并提出了面临的挑战与展望，如ID特征的索引和建模、推荐领域的长文本建模、训练效率和推理时延等问题。
【完整版获取见文末】
受篇幅限制，仅列举部分资料
报告全文下载链接
https://pan.quark.cn/s/464ceee6d011
7天有效，过期请在后台回复“8”，按步骤免费获取！
识别二维码，快速获取更多最新重磅报告
2024年资料包，每周更新700，全年4W+
更新日期：2024.1.1-2024.12.31
关于报告达人
报告达人是一家分享国内外各类研究报告、热点专题报告、统计年鉴、发展规划、统计公报、白皮书、蓝皮书等各类研究型内容的知识共享平台。我们通过搜集公开的券商研究报告、统计年鉴、统计公报、各类行业研究报告、各类热点专题报告、各类冠名报告，然后对搜集过来的报告按细分行业、热点题材等进行分类归纳和整理，再通过报告达人微信公众号平台分享给各类报告使用者。
免责声明：以上报告均系报告达人通过公开、合法渠道获得，报告版权归原撰写/发布机构所有，如涉侵权，请联系删除（18675593305），如对报告内容存疑，请与撰写/发布机构联系。
关注我们 ,获取更多报告
点击阅读原文，查看数十万份研报、干货
