笑死 我把这篇关于“推荐系统如何与大模型结合”m.okjike.com 的贴子发给男友，他先是一顿夸夸（虽然我猜他没看懂多少，因为他不是互联网人），然后说很开心看到我说我正在谈婚论嫁🤣 （可能让他觉得可以求婚了

推荐系统如何结合大模型，这个话题很有意思。尝试从产品角度回答一下。没想到写起来刹不住车，有上千字，全贴在这里，大家自取~

推荐可以理解为一种匹配，把内容和用户匹配起来。在匹配时候，要理解双方分别是什么。即：内容理解和用户理解。

不要小瞧内容理解，特别是在视频领域。文本内容的理解相对容易，因为信息都是文字，可以相对容易的刻画一篇文章在讲什么。但在视频领域，内容理解一下就复杂起来，因为信息更多存在于图面中。现在短视频平台上很多视频，只有背景音乐，没有文字描述，怎么把这个视频的信息刻画出来，是一件有挑战的事情。比如一个视频是小姐姐在跳舞，这个小姐姐穿了什么在跳舞，在跳什么舞，跳的好不好，在哪里跳，这些要素都会显著影响一个视频的特点和受众。视频的类型又很多，颜值、音乐、舞蹈、历史、财经、科技、科普、法律、医疗等等等等，每类内容，都是生活里的一个缩影。因为我们只生活在自己小世界的局部，我们可能意识不到，大千世界各种要素叠加在一起，量级至少是百万级的。

我们知道，当前推荐系统非常依赖于协同过滤，它的主要思想是把和你有相似偏好的人的内容，推荐给你。这种相似偏好，纯粹是内容ID上的相似度，不是特征上的相似度。不知道大家有没有思考过，为什么推荐系统走了这样一条有点绕的路径？它为什么不直接把你喜欢的内容推荐给你？答案其实是，它不知道这个内容是什么，它不知道前面例子的视频是小姐姐在随便扭扭还是认真在跳拉丁舞。或许你会疑惑，即使没有大模型，现在的小模型也能识别小姐姐、小姐姐衣服的类型、跳的舞种。没错，现在的模型已经能在单点任务上做到80分了。但前提是，需要大量的人工标注样本，喂给小模型，小模型才能做到。但小模型最大的问题是，无法泛化，所以每个特征都要单独做标注、训练。上百个特征的人工标注成本，对抖音这样的平台还能承担，但百万级呢，成本和效率是完全打不住的。

好，接着大模型这个明星闪耀出场了。大模型带来的最大变量是，它有了通用性，这种通用在于，它像一个百科全书，知道人生活的方方面面。大模型能看出来，“这个视频里，有个人，这个人是个小姐姐，小姐姐长着黄棕色头发，蓝色眼睛，看着像是个欧洲人，她穿着一条黄色长裙，在跳拉丁舞，她在一个广场上，广场后面是巴黎圣母院。天空很蓝，漂浮着棉花一样的白云。过了一会儿，慢慢有路人围观过来....” 。前面这段简单的描述，对人来说一眼便知，看起来稀疏平常，但这里面的很多要素，要很多小模型才能做到，现在仅仅一个大模型，有很大希望就能做到了。这种改变是巨大的，它会把内容理解提升到一个崭新的高度。

如果模型能充分地理解内容，现在推荐的交互形态，很可能会发生变化。一个可能的变化是，你可以自定义你的推荐流。比如你很关注AI，你可以定义告诉平台，“我想看AI方面的最新进展，只要相对可靠真实的，不要标题党”。自定义频道，它可以让你从被动接受推荐系统模糊猜测、众多干扰信息中的推荐流中解放出来，只看你关心的内容。至于自定义频道和当前的搜索、推荐、关注的关系，有机会再展开讨论。

接着到下一个关键点上：用户理解。“微信调 LLM API 读你实时聊天记录判断你目前的关注点给你做相关内容的推荐”，这个想法很好，在不考虑隐私问题的前提下。这里我们先不考虑隐私问题，单纯从产品角度讨论下。用户理解可以拆分成两个层面：一是人的社会经历和性格特质，二是人对经历的反应，这其中又包含长期偏好和短期反应。

先说第一点，社会经历比较好理解，比如我是一个女性（那么我很可能对女性向内容感兴趣），在北京工作，在互联网公司上班，是一名基层打工人（我可能对互联网打工、社畜生活内容感兴趣），我有个男朋友，正在谈婚论嫁（我可能对两性关系内容感兴趣）等等。性格特质也无需多言，由先天基因和后天经历共同塑造。这两个对于现在的推荐系统来讲，都是非常难以明确刻画的，因为缺少信息。
第二大点，人对经历的反应，是人在经历过种种事情后，形成的生活态度、情绪反应，分为短期和长期。长期偏好，包括喜欢什么样的对象、买东西时追求性价比还是享受高消费的快感、喜欢什么运动等等。短期反应，比如今天要聊绩效了，内心很忐忑或者很有信心。在内容领域，用户对内容的偏好，既有长期偏好也有短期兴趣，可以通过与推荐系统的交互逐渐反映出来。但存在一个问题是，只有逐渐的调教推荐系统，系统才会知道。

这里的问题点在于，当用户对某类内容开始感兴趣时，一定是先在生活中发生了什么变化，经历了什么事情。比如我找男友时，我需要的是怎么找到合适的男友这类内容，等我找到男友时，我就不需要前面的内容了，我开始想看如何和对象融洽相处这样的内容。所以微信聊天记录非常有用，因为只要是生活中的大事，一般肯定会在微信里跟朋友提到，而且是发生之后很快会跟朋友分享。微信聊天记录人经历了什么事情，对这些事情有什么反应，是一个人「生活变化的缩影」。注意这里，关键是“变化”。

然而，我们知道，我们并不会什么事都在微信里说。在海边看到大海，在林间听到鸟鸣，在餐厅尝完一顿美食，在花园里闻花香，在家里抚摸宠物猫猫...我们所看到的、听到的、尝到的、闻到的、触摸到的，要比微信里提到的事情丰富太多。按照「记录经历」的角度推演，有什么能记录这一切吗？之前很多的VR智能眼镜，算是提供了一种实时记录 看和听 的途径，还没有把味觉、嗅觉、触觉，补充完整。除了这些经历，还有我们的反应。如果我们用「语言」表达了自己的感受，那一个能方便佩戴、实时记录五官感受和语言的设备，几乎就知道我们的全部了。就相当于有一个“Her”，跟着我们一起经历着一切。

还没有结束。我们都曾经历无言的时刻，那些语言无法表达了我们感受的时刻。人的大脑有860亿个神经元，平均每个神经元有3000个连接，时时刻刻都在产生无数脑电波。人类的语言把这些脑电波凝练表达了出来，实现了人与人之间基本的沟通。我们有时候会不知道自己在想什么，其实更多是在说：不知道该怎么用语言表达所想的。用计算机术语来讲，可能「语言是人类脑电波的Transformer」。真正地理解一个人，应该是去理解它的脑电波。如何理解脑电波，很重要的方式是用脑机接口了。我第一次想到这里的时候，不得不佩服马斯克重金投入脑机接口公司，又是一个多么从第一性原理出发的决定。

好了，这次到这里就结束了。没想到开写之后，竟牵扯出这么多内容。关于推荐系统，如果你还有什么话题想讨论，欢迎在评论区留言！最近打算输出一下，也算是对做推荐产品以来收获的总结。

产品经理真的做不符合自己日常偏好的产品吗，比如我很少刷信息流，我还在做信息流。恐怕是不能。

其实这个道理，两年前就想明白过，最后还是为了生活的安稳，选了这份只是因为工资高的工作。

说到底是没有看清自己的性格，明明非常看中意义感，却做了一件自己觉得没有太大意义的事情。

拿时间换钱，拿钱换时间，怪什么呢，只能怪自己没想清楚啊。

希望未来时时以史为鉴，充满勇气和信念。

B 站的商业化不强，不是因为它现有条件找不到商业化方式，是 b 站本身管理层的问题。
b 站对部分高知高线吸引力更强，主要满足的是偏干货、获得感的需求。
抖音大部分时候满足的是简单的快乐的需求，更偏娱乐和生活（其实抖音也有大量知识干货类内容，这里暂且不提）。这种简单的快乐，在我去抖音做产品之前，也没有切身的感受，当我去了之后，才发现这种需求广泛且重要。
内容偏好的个性化程度，超乎想象。

第一次面即，两只潜入字节的即友卧底@一块曲奇饼

不过 u1s1， 这个面即功能有点不好使啊

最近自己在探索AI方向的过程中有一种感受，刚好今天早上听杨天真的播客时，她也提到了相似的方法，想要快速且准确的了解一个方向该怎么做，最好的办法是：
找这个方向最资深的人聊。

杨天真说她刚开始想做播客时，不知道该怎么做，就去找做播客的很成功的人，还有小宇宙的人，了解做播客的基本逻辑。她把这些她觉得做播客简单的聊完之后，提取了一些方法论：播客是一个沉浸式的陪伴式的内容，在这个内容里面你说出你自己最想表达的部分。有个人建议说就说她自己的人生故事就好了，她的故事是很多人想听的。听到这里，我去翻了翻杨天真的播客，看到第一集就是讲自己的创业故事，拉来几个合伙人，非常真实地在讲创业过程。然后我又看了下播放量，好家伙，30万+。这在小宇宙的单集播放上绝对是数一数二了。

除了去找最资深的人聊，还有一个快速高效的方式是：
读这个方向最资深的人出版的书。
读书可能已经被大家说烂了，但最近还是给了我很大冲击。我最近在探索AI，想了解AI的基本原理，看到大牛李飞飞出版了一本书《我看见的世界》，便买来一本读了读。虽然这本书没有涉及深度学习、大模型的细节构造，但却以一种我从来没有见到过的方式，讲了机器学习的基本思想：像生物的进化一样，观察示例-总结规律-演绎归纳。所以，这也解释了为什么在训练大模型时，示例那么重要。

相比之下，在获取信息方面，最低优的是在网上看碎片化的资料了。要知道，很多前沿信息，都不是公开的。网上公开的，又没有书讲得那么系统。

有没有朋友了解深言科技，目前面试比较顺利，估计会拿到了 offer ，想提前了解一下现状～

●想要申请某个岗位，最好的办法是做过类似的工作，并做出了成绩。类似的工作怎么定义呢？
○ 做过相同的应用场景，有相同的工作流技能。比如在抖音做视频推荐策略产品，去小红书做图文内容的推荐策略产品，可以认为是相同的应用场景+相同的工作技能点。
○ 次优是相似的应用场景+相同的工作流技能。比如在抖音做视频推荐策略产品，再转做电商内容的推荐策略，找起来也会比较容易，因为推荐策略的基本流程是相似的。
○ 再者是相同的应用场景+相似的工作流技能，比如都是视频内容消费，从视频推荐转到视频搜索产品，转换相对丝滑。但视频推荐和用户增长策略，两个的工作流就不太一样。
○ 最难的是不同的应用场景、不同的工作技能点。在目前大厂的招人标准来看，从推荐策略产品转做功能产品，是非常困难的，除非是在公司内部同一个老板下面，还有一些可能。

● 在大厂里面，由于分工的精细化，一个人往往只能做某个细分方向，导致工作流技能非常单一，如果想要将来独立做一款产品，最好是在某个细分方向成为长板后，去到小公司，小公司需要一个人负责更大的范围。

在讨论业务目标时候，很容易陷入到概念里而非具体的目标中。比如，在内容平台中，会经常涉及作者教育的话题，希望作者能了解平台倡导的方向，发布优质内容。如果只停留在作者教育这个层面，就无法继续拆解下去，其实这里面有几层：
1. 少发低质的内容
2. 不管低质内容，只关心优质内容增量
3. 既少发低质内容，又多发优质内容。

我们往往会觉得，难道第3点不是显而易见的业务目标吗？但在资源有限的情况下，第3这个理想态并不那么容易一步达到，1、2、3，对应的方案是不同的，往往是先实现1或者2，再实现3.

再比如，我们希望更多用户来购买我们的商品，这是个愿景，并不是具体的业务目标。

具体一点，我们希望用户因为什么来购买我们的商品？低价、优质、一流的服务体验？
1. 低价该怎么衡量？商品价格相对于其他平台价格的高低
2. 优质该怎么衡量？优质和低价不一样，优质是个性化的，想要的优质是哪些用户心中的优质？是三四线还是一二线用户？
3. 一流的服务体验该怎么衡量？商家的回复态度？收货时长？退换货的方便程度？体验也是个性化的，对于同样的服务，不同用户的感受是不同的。要着重看哪些用户的感受？

单纯的概念，是无法指导工作的。只有具体到某个指标，才算是把业务目标拆清楚了。

最近北大出校不用刷脸了，之前是不管进校还是出校都要刷脸验证的。这个改变的动因是学生们反馈出校时大家排队刷脸太浪费时间了，既然能进校，就应该能出校。从学校安保的角度呢，自然是身份验证多一层更好，不排除有些人在进校时钻空子。但这种情况发生的比例很低，可能千分之一不到。为了降低千分之一的风险，浪费千分之999人的时间，确实不太合理。

对这件事有感触并不是因为北大学生敢说敢改变的风格，在学校念书时候，早对这种风格习以为常，学生推动学校改革的例子数不胜数。

感触的是，这件事和前不久工作中发生的另一件事神似。场景是要通过比对A类视频和B类视频，判断B类视频是否违规。而判断B视频是否违规的前提是，要对A视频有个准确的结论。但在那个视频场景下，A视频没有参考视频可以进行比对，只看A视频本身，看出问题的比例很低。那在人力有限的情况下，其实不必要再对A视频都看一遍，不然就是为了降低千分之一的风险，浪费千分之999的人力。毕竟最终的目的是判断B视频是否违规。所以当时我拍板不用看A视频了。

工作中的这个事过去后，当听到北大出现不刷脸的新闻时，我一下觉得两件事不一模一样吗，才发现自己对ROI评估变得这么敏感了hhh