English Español Français Deutsch
← Zurück zur Liste
Information Retrieval Methodiker Direkt der Methodik von ai100 vorgelagert

Julian McAuley

Ob Sprachmodelle, die auf dem offenen Web trainiert wurden, bereits Empfehlungen erzeugen — und was das für Produkte bedeutet, die mit traditionellen Recommendern konkurrieren.

Das klassische Recommender-System war ein spezialisiertes Modell, trainiert auf einem bestimmten Katalog und einer Historie von Nutzerverhalten. McAuleys Arbeit von 2023 zu „Large Language Models as Zero-Shot Conversational Recommenders“ zeigte, dass ein LLM von der Stange, ganz ohne Training auf Recommender-Systeme, auf Benchmarks für konversationelle Empfehlung wettbewerbsfähig abschneidet — teilweise, weil die Trainingsdaten eine Milliarde impliziter Empfehlungen aus Foren, Rezensionen und Listicles enthielten. Für ai100 ist das der präzise Mechanismus hinter „das Modell erwähnt Marke X und nicht Marke Y als Antwort auf eine offene Frage“ — es ist konversationelle Empfehlung in allem außer dem Etikett.

Lesenswert, wenn
man das Empfehlungsverhalten verstehen will, das in offenen LLM-Antworten verborgen liegt, und warum es nicht immer so genannt wird.
Themen
LLMs als zero-shot konversationelle Recommender; Empfehlungsverhalten in offenen LLM-Ausgaben; die Trainingsdatenbedingungen, durch die sofort einsetzbare LLM-Empfehlungen möglich werden.
Zentrale Arbeiten
„Large Language Models as Zero-Shot Conversational Recommenders“ (2023, Seniorautor); Amazon-Produktrezensionsdatensätze (seit Mitte der 2010er); grundlegende Publikationen, die NLP und Empfehlung verbinden.