推荐算法是互联网信息分发的核心渠道，传统的推荐算法主要基于ID和协同信息建模用户对物品的个性化偏好。进入大模型时代，LLM 蕴含的强大世界知识和逻辑推理能力，给推荐系统带来了新的机遇和建模范式，进一步赋能工业推荐系统全链路。本次分享主要围绕推荐模型如何从大模型中取长补短以提升推荐效果展开，介绍华为在基于 LLM 的推荐算法方向的探索和工业（华为广告、音乐）落地，包括推荐协同信息的注入与对齐，大模型开放世界知识和推理能力的使用，面向推荐任务的大模型效率优化等。

演讲提纲：

1. 大模型时代的推荐系统背景介绍
   • 传统基于 ID 的推荐算法
   • 大模型给推荐系统带来的机遇
2. 基于大模型的推荐算法总览
3. 大模型直接推荐
   • 协同和语义空间对齐
   • 协同信息的注入
4. 大模型辅助推荐
   • 语义知识生成和实验
   • 效率优化
5. 总结和展望

听众收益：

• 了解基于大模型的推荐算法相关技术进展
• 了解华为在基于大模型的推荐算法方向的落地探索和实践经验