RecGPT 技术报告

推荐系统是人工智能最具影响力的应用之一，是连接用户、商家和平台的关键基础设施。然而，当前大多数工业级系统仍然严重依赖于历史共现模式和日志拟合目标，即优化过去的用户交互，而没有显式地对用户意图进行建模。这种日志拟合的方法常常导致对狭隘历史偏好的过拟合，无法捕捉用户不断演变和潜在的兴趣。结果，这加剧了信息茧房和长尾现象，最终损害用户体验并威胁整个推荐生态系统的可持续性。为了应对这些挑战，我们重新思考了推荐系统的整体设计范式，并提出了 RecGPT，一个将用户意图置于推荐流程中心的新一代框架。通过将大型语言模型（LLMs）整合到用户兴趣挖掘、项目检索和解释生成的关键阶段，RecGPT 将日志拟合型推荐转变为一个以意图为中心的过程。为了大规模地将通用大型语言模型有效地对齐到上述领域特定的推荐任务，RecGPT 采用了一种多阶段训练范式，该范式在一个人机（Human-LLM）协同判断系统的指导下，整合了推理增强的预对齐和自我训练演进。目前，RecGPT 已在淘宝 App 上全面部署。线上实验表明，RecGPT 在各利益相关者中均实现了持续的性能提升：用户从内容多样性和满意度的增加中受益，商家和平台获得了更高的曝光和转化。这些遍及所有利益相关者的全面改进结果验证了由 LLM 驱动、以意图为中心的设计能够培育一个更可持续、互利共赢的推荐生态系统。