Exploring the Impact of Large Language Models on Recommender Systems: An Extensive Review

本文是LLM系列文章，针对《Exploring the Impact of Large Language Models on Recommender Systems: An Extensive Review》的翻译。

摘要

本文强调了大型语言模型（LLM）在重塑推荐系统方面的重要性，并将其价值归因于传统推荐系统所缺乏的独特推理能力。与缺乏直接用户交互数据的传统系统不同，LLM在推荐项目方面表现出非凡的熟练度，展示了他们理解复杂语言的能力。这标志着推荐领域发生了根本性的范式转变。在动态的研究环境中，研究人员积极利用LLM的语言理解和生成能力来重新定义推荐任务的基础。该调查深入探讨了LLM在建议框架内的内在优势，包括细致入微的上下文理解、跨不同领域的无缝过渡、采用统一的方法、利用共享数据库的整体学习策略、透明的决策和迭代改进。尽管存在变革潜力，但挑战依然存在，包括对输入提示的敏感性、偶尔的误解和不可预见的建议，这就需要LLM驱动的推荐系统不断改进和发展。

1 引言

2 背景和相关工作

3 推荐系统中的LLMs

4 推荐系统中的提示工程LLM

5 推荐系统中微调的LLM

6 在推荐系统中评估LLM

7 挑战与解决方案

8