微信 视频号-跨域多模态生成式推荐和推荐大模型技术研究

课题背景： 主流的推荐系统主要基于历史行为的协同过滤与深度学习模型，存在信息茧房与惊喜不足、冷启挑战和跨场景协同能力弱等局限，生成式人工智能与大规模预训练模型技术的突破，为构建更智能、更人性化、更具创造性的推荐系统提供了新的范式。 课题挑战：

1. 01

   架构设计：需要设计适合推荐任务（用户-物品交互预测）的大模型架构，如何有效融入ID、序列、多模态特征，并与传统的推荐模型优势结合。

2. 02

   效率与成本：大模型训练与推理成本高昂。如何在保证效果的前提下，通过模型压缩、蒸馏、自适应推理等技术，使其满足视频号海量用户与实时推荐的极致性能与成本要求。

具体工作

1. 01

   提升用户体验与留存：通过生成式大模型提供个性化的直播推荐结果与推荐文案，并能主动探索用户潜在兴趣，打破信息茧房，增强兴趣探索与用户粘性；

2. 02

   深化内容与用户理解：构建跨域多模态推荐大模型框架，实现对用户全域行为的深度语义理解，显著提升视频号直播推荐精准度，改善用户停留时长、互动率与转化率。