摘要
近年来,大型语言模型(LLM)凭借其在自然语言处理(NLP)领域的卓越表现,迅速成为推荐系统(RS)的研究热点。这类模型通过在海量数据上进行自监督训练,掌握了强大的通用表征能力,并借助微调、提示工程等技术有效赋能推荐任务的各个环节。核心优势在于利用 LLM 对文本特征的深层理解及外部知识的广泛覆盖,从而更精准地捕捉用户与物品间的关联。
本文旨在系统梳理基于 LLM 的推荐系统现状,提出一种新的分类体系,将其划分为判别式(DLLM4Rec)与生成式(GLLM4Rec)两大范式,其中生成式范式在此前研究中鲜有系统性归类。文章详细剖析了各范式下的主流方法、技术细节及性能表现,并指出了当前面临的关键挑战与潜在研究方向。此外,作者还开源了相关论文索引仓库,便于社区跟进最新进展。

