了解哪些生成式推荐的代表性论文
哪些公司问过
答案要点
- TIGER:RQ-VAE 得到语义 ID,用编码器解码器 Transformer 自回归生成下一个物品的语义 ID
- HSTU:Meta 提出,面向大规模推荐的序列转换结构,展示了规模化规律
- LC-Rec:结合语言语义和协同语义,用大语言模型指令微调做推荐
- OneRec 等端到端的生成式推荐系统
- 相比传统多级链路,统一建模方式,对冷启动和长尾更友好
易错点
- 只说名字,说不出核心思想
- 把 TIGER 说成不用语义 ID
- 忽略落地的延迟和成本问题
面试官常见追问
- 语义 ID 解决了什么问题?
- 生成式推荐和传统推荐有什么区别?
- 生成式推荐落地有什么难点?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。