LLM долгосрочные интересы пользователя Понемногу LLM-ки находят полезное применение в рекомендациях! Обычная реком система упрощенно устроена так: - Модель на короткой realtime истории пользователя (SLIM, SASRec, …) вытаскивает товары текущего интереса - Модель на очень длинной offline истории пользователя (часто ALS, LightFM) вытаскивает некие долгосрочные интересы - Их результаты смешиваются и переранжируются Есть гипотеза, что кусочек с длинной историей можно обрабатывать LLM-кой и вытаскивать оттуда доп профит! Отчасти такой подход сработал в Taobao (их модель RecGPT v2). Ну и мы в Я.Маркете тоже внедрили свою адаптацию - Влад из моей команды недавно рассказал об этом на ML Party Подход относительно простой, но с кучей подводных камней: о них как раз в нашем докладе 😎