长按二维码,关注官方公众号
抖音内容理解大模型在推荐的应用 
演讲提纲：
一、背景
1. 抖音的背景：体裁众多，业务流程众多
2. 很早年的时代，推荐曾基于标签等内容理解能力进行推荐
3. 前几年，内容理解能力作为推荐模型的补充，在线上也有较多的应用
4. 当前大模型的能力逐步提升，我们可以更多地应用大模型实现推荐工作
5. 两个主要的方向
- 利用LLM实现可解释推荐
- 结合LLM做内容表征
二、LLM可解释推荐
背景，当前有较多团队实现了类似的工作
1. 用户兴趣总结&泛化（预期这部分会写一个公开技术报告）
2. 用户兴趣匹配（预期这部分会写一个公开技术报告）
3. 线上实验
三、LLM内容表征
背景
1. 内容表征效果评估
2. 内容表征能力建设，生成&表征联合建模（预期这部分会写一个公开技术报告）
3. 线上实验
听众收益：
- 了解内容理解在推荐中的应用点，价值和挑战点
- 了解大模型对内容理解的加成
- 激发观众对未来推荐架构的畅想
