【Ace顶尖实习生】基于大模型的生成式推荐探索

当前推荐算法主要依赖用户行为做相关性建模，基于正负反馈信号动态调整用户兴趣表示。这种建模方式在用户意图理解、复杂偏好刻画及跨领域知识利用和泛化性方面仍存在明显局限：一方面，行为信号往往稀疏且滞后，导致兴趣调节效率有限；另一方面，推荐模型缺乏对高维世界知识的有效提取、整合与推理能力，难以深入理解用户真实需求及其潜在偏好。尤其对于低活跃、低消费或行为样本不足的用户群体，现有方法较难显著提升推荐效果与用户体验。 近年来，大模型在知识表征、语义理解、逻辑推理和泛化能力方面展现出显著优势，为突破当下推荐系统瓶颈提供了新的技术路径。通过探索大模型与推荐系统的深度融合，有望增强系统对用户意图的精准感知能力，提升对复杂兴趣和长尾需求的理解水平，可进一步推动推荐系统向更加智能化、个性化和人性化的方向发展。

1. 01

   不限年级，本科及以上在读，计算机/人工智能/软件工程等相关专业优先；

2. 02

   扎实的编程能力和算法功底，熟练掌握Python/C++/Java等至少一种编程语言；

3. 03

   扎实的机器学习/深度学习理论基础，有大规模推荐系统、计算广告、搜索引擎等核心算法项目经验；

4. 03

   有LLM/MLLM等多模态理解技术背景，或大规模模型训练实际项目经验者优先；

5. 05

   在TPAMI/CVPR/NeurIPS/ICCV/ICML/ICLR等顶级期刊会议上发表相关论文者优先；

6. 06

   在顶级学术会议或期刊发表论文，或ACM编程竞赛/机器学习等竞赛获奖；

7. 07

   良好的沟通协作能力，责任心强，积极主动，能和团队一起探索新技术，推进技术进步。