对话淘宝姜宇宁：如果你只推低价商品，是不需要用大语言模型的

77 0 0

文章摘要

淘宝推荐算法技术团队在电商推荐系统领域取得重要突破，上线的 RecGPT 百亿参数推荐大模型带来了显著变革。
– RecGPT 及团队成果：淘宝推荐算法团队是首个用大语言模型“系统化改造推荐算法”的团队。7 月初上线的 RecGPT 对“猜你喜欢”功能实现生成式推荐技术升级，虽起初未获高度媒体关注，但它是电商推荐系统的时代转折点，将发展为以 AI 大模型为中枢的全新电商推荐系统。
– 大模型赋予传统推荐系统新能力：传统推荐系统是黑盒，大语言模型能使其“白盒化”，让系统更好遵从用户指令和平台策略意志；大模型具备长上下文窗口理解能力和推理能力，可投喂长历史周期用户资料，跳出“信息茧房”。在 RecGPT 中，大模型是传统预估模型外的筛选与排序装置，使系统更灵活，推动淘宝推荐生态变化，新用户、长尾商品和创意商品受益。
– 推荐系统 AI 进程与平台的关系：推荐系统的 AI 进程与平台属性、目标相关。淘宝商品供应和用户数据丰富，战略是“万能的淘宝”，大语言模型能满足用户沉浸式消费体验和商品与用户高质量链接的需求。目前 RecGPT 辅助推荐系统，下一步将建设“大模型指挥官”。对于“端到端”方案，需谨慎探索，因其可能浪费大语言模型能力。
– 大模型在推荐系统落地晚的原因：大语言模型适合对话，推荐无对话入口，且原有推荐系统基线高，对深度用户行为推荐准确，但存在“信息茧房”问题，新用户推荐难。大模型目前用于初步筛选，精确数值计算由传统打分模型完成。RecGPT 可从长期兴趣探索，标签具备演化和推理能力。
– 推荐系统的 EE 问题及大模型的作用：所有推荐系统都面临利用与探索的平衡问题。RecGPT 辅助使探索部分效率显著提升，对新用户和长尾商品友好，缓解商品马太效应。
– 不同平台对推荐策略和技术的需求差异：不同平台生态对推荐策略和技术需求不同。淘宝商品丰富，RecGPT 服务于“万能的淘宝”战略；若只推低价商品或头部爆品，无需大模型辅助。未来淘宝将构建基于多模态的 ID 体系，改变商家运营习惯。