文章预览
作者 | 冯卡门迪 整理 | NewBeeNLP https://zhuanlan.zhihu.com/p/705497209 后台留言 『 交流 』， 加入NewBee讨论组 这一两年推荐的论文工作离不开冷启和长尾问题，就像过去几年离不开序列和多目标一样，所套的壳子也从时序模型发展到对比学习和LLM，更像是“问题长期存在，我们现在有了更好的工具解决”，鸡生蛋与蛋生鸡总是这么的迷人和无所遁形。 关于冷启动和长尾推荐，以往推荐模型主要的问题是对于ID的依赖，大部分模型学到的价值都是ID对应的Embedding向量，由此数据量不够时就效果甚微。 分享一篇快手将百川大模型应用于推荐中的工作。 论文：Knowledge Adaptation from LLM to Recommendation for Practical Industrial Application 机构：快手 链接：https://arxiv.org/pdf/2405.03988 会议：论文里还是ACM的标准模板 LLM-Rec大模型推荐 大型语言模型（如GPT-3，文中使用的是Baichua
………………………………
