在大模型时代，推荐系统正面临着前所未有的发展机遇。大模型具有强大的泛化能力和知识理解能力，可以为推荐系统带来更精准的推荐结果、更好的用户体验，以及解决实际问题的能力。然而，大模型在推荐系统中的应用也面临着诸多挑战，如计算资源需求、模型可解释性、伦理道德问题等。

随着大模型的蓬勃发展，如何将其智能、独特的能力赋能推荐系统？在大模型的加持下，推荐系统将迎来哪些改变？作为国内最活跃的 UGC 生活内容社区，小红书有自己的答案。

10 月 27 日 13:30-17:30，小红书技术副总裁风笛携手中国科学技术大学教授何向南、清华大学计算机科学与技术系教授张敏、中国人民大学高瓴人工智能学院教授赵鑫、华为诺亚方舟推荐与搜索实验室主任唐睿明 ，将围绕“大模型与推荐系统”展开主题分享，深入挖掘和探讨大模型与推荐系统在技术、应用和研究方面的最新进展。

欢迎大家扫码预约并观看直播！

报告主题介绍

《大模型时代推荐系统的挑战与机会》

13:30-14:00

张敏 / 清华大学计算机科学与技术系教授

报告摘要：经过最近两年的发展，大模型已经被研究界和产业界广泛关注，并受到公众广泛关注。与其他领域一样，推荐系统也同样面临着大模型时代的变革。大模型在推荐系统中究竟是否会有用？会什么样的作用？应该怎样用？这些问题近来被广泛讨论。这个报告将结合最新的研究发展动态和学术讨论，与大家一起分享和探讨在大模型时代推荐系统面临的挑战，以及我们认为当前和未来不可忽视的有价值的研究方向。

《小红书推荐系统创新性探索》

14:00-14:30 

风笛 / 小红书技术副总裁

报告摘要：小红书作为一个普通人帮助普通人的内容社区，推荐系统在其中发挥着非常重要的作用，其流量分发更加关注于普通人的分享，呈现出更中长尾的分布。针对 APP 用户增长中的冷启动问题、多模态内容理解、多目标排序建模、E&E方法与人群兴趣探索破圈等工业界社区型推荐系统遇到的技术挑战介绍小红书的实践探索，同时涉及 Agent 形态探索搜索&推荐融合场景的尝试，报告中也会涉及：站在大模型带来的新机会点上，展望和讨论工业推荐系统落地的未来方向。

《大模型推荐前沿及展望》

14:30-15:00 

何向南 / 中国科学技术大学教授

报告摘要：以 GPT 为代表的大语言模型 (LLM) 展示了惊人的新兴理解、推理和规划能力，催生了将 LLM 应用于推荐系统以提升性能和用户体验的有前景的研究方向。报告介绍大模型推荐技术的进展，包括如何教会 LLM 做推荐：基于 in-context learning 的 LLM 推荐能力激发；基于 instruct- tuning 的 LLM 推荐任务对齐；以及如何利用 LLM 推动推荐范式革新：基于 LLM 的生成式推荐。报告还将进一步讨论大模型推荐带来的机遇与挑战。

《推荐系统如何从大语言模型中取长补短：从应用视角出发》

15:30-16:00 

唐睿明 / 华为诺亚方舟推荐与搜索实验室主任

报告摘要：大语言模型为推荐系统提供充分的语义信号和外部知识，但存在缺乏协同信号和线上推理时延问题。在本报告中，我们将探究推荐模型如何从大语言模型中受益，从而优化推荐性能和用户体验。我们将首先介绍一篇工业应用视角的综述工作，从 Where 和 How 两个角度，全面回顾现有将大语言模型应用于推荐系统的工作。接着，我们将分享两个将大语言模型应用于推荐系统的技术框架。根据综述中对于 How 问题的分析，从模型角度，我们提出一个利用大语言模型开放知识辅助推荐的通用框架；从数据角度，我们提出一个对齐大语言模型和协同信号的通用框架。

《大模型赋能推荐系统：机遇和挑战》

16:00-17:30 

All

报告摘要：在大模型的加持下，推荐系统将迎来哪些改变？Panel 环节将更加深入探讨大模型在推荐系统中的应用，分析其优势与局限性。并一同探讨大模型时代推荐系统面临的技术挑战，以及可能的解决方法和方案。此外，会对大模型赋能推荐系统的未来进行展望，以及如何通过技术创新、跨学科合作等推动这一领域的发展。

 线下互动赢惊喜好礼