主要观点总结
第二届“Recommendation with Generative Models”研讨会在ACM WWW'24会议上圆满成功,研讨会旨在探讨生成模型在推荐系统上的创新应用。来自各地的专家学者分享了关于大语言模型在推荐系统中的应用、挑战与机遇以及生成推荐系统在工业界的最新进展等内容。
关键观点总结
关键观点1: 研讨会背景和目的
研讨会在2024年5月13日在新加坡举行,是为了探讨生成模型(例如LLMs)在推荐系统上的创新应用。
关键观点2: 研讨会的精彩分享
研讨会上,Julian McAuley教授分享了会话推荐系统的现状,Minmin Chen博士分享了将大语言模型应用于推荐系统的挑战与机遇,Jiaqi Zhai博士和Rui Li博士介绍了生成推荐系统在工业界的最新应用进展。
关键观点3: 研讨会的亮点
研讨会除了Keynote外,还有8位演讲者分享了生成式推荐的最新研究成果。现场气氛热烈,吸引了超过80位现场听众和70位线上听众。
关键观点4: Tutorial的内容
在WWW'24上举行的Tutorial介绍了大语言模型在推荐系统中的应用,包括现有LLM的进展、传统语言模型和推荐系统的结合,以及LLMRec的Trustworthy问题。
关键观点5: LLMRec的进展和挑战
LLMRec的进展可以分为使用LLM赋能推荐系统、LLMRec的Trustworthy问题以及信息模态三个维度。同时,现有的LLMRec推荐系统还面临用户物品建模、训练推理开销以及Evaluation方式等方面的挑战。
文章预览
01 在ACM WWW'24会议上举办的第二届“Recommendation with Generative Models”研讨会取得了圆满成功。研讨会于2024年5月13日在新加坡举行,旨在探讨生成模型(例如LLMs)在推荐系统上的创新应用。 在本次研讨会上,我们荣幸地邀请到大语言模型、生成式推荐领域的各位专家学者们为我们做了精彩的具有启发性的学术前沿的技术报告。 来自 UCSD的Julian McAuley教授 深入探讨了 大语言模型最新发展的背景下会话推荐系统的现状 。演讲题目为《Data, Methods, and Evaluation for Knowledge-grounded Conversational Recommendation System》。Julian McAuley教授重点介绍了如何通过探索新的数据集、方法和评估协议,提升当前模型的性能,为会话推荐带来更多可能性。 PPT:https://generative-rec.github.io/workshop/assets/slides/Julian_McAuley.pdf 来自 Google的Minmin Chen博士 在本次研讨会上分享了将 大语言模型应用
………………………………