随着Meta在2024年发布基于HSTU架构的GR范式，生成式推荐系统正逐步得到越来越多的关注。许多公司纷纷跟进，字节，美团，快手，百度等公司在此方向上均取得了显著进展。本次演讲将介绍我们基于昇腾NPU针对生成式推荐的探索，包括推荐系统Performance Law的研究，生成式排序系统以及昇腾亲和的网络架构等技术。

演讲提纲

1. 关于生成式推荐
   • 生成式推荐定义
   • 生成式推荐发展趋势洞察
2. 生成式推荐进展介绍
   • 高质量数据生成
   • 生成式推荐大模型架构
   • 生成式推荐学习策略
3. 生成式推荐昇腾实践
   • 昇腾亲和的算法演进
   • 昇腾亲和的系统演进
4. 总结和展望
   • 总结
   • 下一步计划

您认为，这样的技术在实践过程中有哪些痛点？
生成式推荐系统如何有效scaling，训推系统如何优化以满足模型实时性和线上严格时延要求。

听众收益

• 基于昇腾npu的生成式推荐实践经验
• 生成式推荐的洞察和未来展望