生成式推荐与精排 Scaling 的行业趋势和落地思考
哪些公司问过
答案要点
- 生成式推荐:语义 ID 加序列模型自回归生成,统一召回和排序的多级链路
- 精排 Scaling:同时扩大参数、数据和算力,效果随规模持续提升
- 落地挑战:高并发低延迟下的推理成本,需蒸馏、量化、缓存、算子优化
- 语义 ID 的质量与新物品更新;离线指标与线上效果的一致性
- 渐进迁移并兼容现有链路,结合业务规模权衡投入
易错点
- 只谈趋势,不谈落地挑战
- 忽略推荐场景对延迟的苛刻要求
- 认为离线指标提升就一定能带来线上收益
面试官常见追问
- 为什么推荐也在追求 Scaling?
- 生成式推荐最大的落地难点是什么?
- 怎么降低大模型在推荐里的推理成本?
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。