WWW2024 | 生成式推荐研讨会与大模型推荐教程

主要观点总结

第二届“Recommendation with Generative Models”研讨会在ACM WWW'24会议上圆满成功，研讨会旨在探讨生成模型在推荐系统上的创新应用。来自各地的专家学者分享了关于大语言模型在推荐系统中的应用、挑战与机遇以及生成推荐系统在工业界的最新进展等内容。

关键观点总结

关键观点1: 研讨会背景和目的

研讨会在2024年5月13日在新加坡举行，是为了探讨生成模型（例如LLMs）在推荐系统上的创新应用。

关键观点2: 研讨会的精彩分享

研讨会上，Julian McAuley教授分享了会话推荐系统的现状，Minmin Chen博士分享了将大语言模型应用于推荐系统的挑战与机遇，Jiaqi Zhai博士和Rui Li博士介绍了生成推荐系统在工业界的最新应用进展。

关键观点3: 研讨会的亮点

研讨会除了Keynote外，还有8位演讲者分享了生成式推荐的最新研究成果。现场气氛热烈，吸引了超过80位现场听众和70位线上听众。

关键观点4: Tutorial的内容

在WWW'24上举行的Tutorial介绍了大语言模型在推荐系统中的应用，包括现有LLM的进展、传统语言模型和推荐系统的结合，以及LLMRec的Trustworthy问题。

关键观点5: LLMRec的进展和挑战

LLMRec的进展可以分为使用LLM赋能推荐系统、LLMRec的Trustworthy问题以及信息模态三个维度。同时，现有的LLMRec推荐系统还面临用户物品建模、训练推理开销以及Evaluation方式等方面的挑战。