Netflix用LLM取代手工特徵打造更好的推薦系統
netflix的genrec系統利用微調語言模型將用戶歷史轉化為文本，以比傳統邏輯少40倍的數據量超越了後者。
Netflix 實施了一種新的推薦系統，名為 **GenRec**，該系統將使用者的觀看歷史轉換為自然語言提示，輸入到一個具有 100 億參數的開放權重模型中。與現有的依靠數千個手動編制的特徵的系統不同，**GenRec** 使用這種基於文本的方法，通過 **VLLM** 對標題進行單次評分，通過只對實際目錄條目進行評分來防止虛幻內容的出現。離線測試顯示，該系統的排名質量提高了 1.6%，並且該系統實現這些結果所需的標記訓練數據量比傳統方法少 40 倍。該實驗的成功表明，大型語言模型可以有效地取代為推薦任務而自定義構建的架構。