导读 本文将分享大模型在蚂蚁集团推荐场景中的应用（以下全部为蚂蚁集团的研究工作及落地）。
1. 背景介绍
2. 利用大模型进行知识提取
3. 大模型作为教师模型
4. Q&A
背景介绍
推荐系统的流程主要包括以下几个步骤：①系统基于用户反馈训练模型，以捕捉用户的偏好；②系统生成推荐结果并返回给用户；③用户与推荐商品进行交互，生成反馈；④系统收集这些反馈再去优化模型。这样形成一个完整的闭环。在这一过程中存在着一些问题，如曝光偏差（Exposure Bias）和流行度偏差（Popularity Bias），这会导致推荐结果产生偏差。为了解决这些问题，我们希望引入大模型来融合世界知识（World Knowledge），以减少偏差，使系统更加鲁棒。
下面简单回顾一下语言模型的发展历程。统计 NLP 始于 1990 年，到 2010 年前后，Deep Learning for NLP 兴起。经过 2013 年的 Word2vec，以及 2018 年开始火爆的 BERT 等模型，到 2022 年，GPT4 等大语言模型带来了突破性的革命。大模型的优势在于通过百亿/千亿级参数获得涌现能力（emergent capabilities），显著增强了推理能力，从而使推荐模型能够生成更优质的推理结果。然而，这类模型在线上环境难以直接应用。因此，我们致力于平衡效率与成本，使大模型高效且低成本地融入线上推荐系统。
推荐模型的发展历程从传统的协同过滤到现今的大模型推荐，经历了多个阶段。最初，矩阵分解作为浅层模型（Shallow Models）被广泛应用。随后，在 2016 年左右，Wide&Deep 等深度模型（Deep Models）开始崭露头角。当前，业界主流的推荐系统大多基于 DNN（深度神经网络），如 Wide&Deep 或 MOP（多目标优化）及其变种，用于线上服务。而随着大型模型（Large Model）的兴起，推荐系统正在朝着融合大模型能力的方向发展。这不仅仅是纯生成式的推荐，更多的是将大模型（如 ChatGPT）的技术能力融入到推荐模型中。
将大模型融入推荐系统面临三大挑战。第一，大模型虽依赖语义信息，但推荐系统的协同信息更为关键，单纯依赖语义模型，效果一般不及预期。第二，需平衡计算开销与推荐效果。第三，我们希望将大模型对用户行为的深度理解和推理能力蒸馏到如 LLAMA 等推荐模型中。
为了应对上述三大挑战，我们在过去一年中尝试了以下路径，将大模型无压力地应用到线上推荐系统中：- 采用两阶段方式融入大模型，第一阶段，大模型负责生产知识，这些知识以结构化形式或以文本形式存储；第二阶段，推荐模型消费这些由大模型生产出的知识图谱，实现推荐。
- 让大模型与现有线上模型更紧密地融合。通过蒸馏技术，将大模型如 ChatGPT 的推理能力逐步转移到更轻量级的模型，如 LLAMA 及序列模型，最终部署这些轻量级的模型到线上，实现效果和计算开销的平衡。
- 核心还是让大模型来提供推理知识，但并不需要为每个用户生成推理知识，而是只需要一个核心的种子用户群，为其生成推理知识，其他用户只需要检索种子用户池，生成所有用户的 embedding，线上模型只要 serving 这种 embedding 即可。
利用大模型进行知识提取
大模型作为知识提取器，核心在于从线上 corpus（包括文本和已有知识图谱）中生产适配的 KG。原先方法依赖大量标注数据进行实体和关系抽取，但只能预测现有实体对的关系，无法产生新知识。大模型的优势在于利用开放知识，生产图谱和语料中不存在的新知识，使 KG 更加丰富。我们将介绍如何通过大模型从现有语料中提取并生产适配的 KG，以便更好地应用于下游任务如协同过滤、图模型和特征交叉模型。
大模型生产知识的核心流程包括两步：第一步确定所需生产的关系类型，第二步基于这些关系生成实体。例如，要生成与阿里巴巴相关的品牌和企业关系，大模型会先识别出这些关系，然后生成对应的实体，如腾讯、字节等，形成三元组关系。整个流程基于条件概率，给定源节点 S，大模型会推理出关系 R 和目标实体 T。整个框架包含三个关键步骤：知识获取、关系过滤和目标实体生成。①大模型从 S 中提取相关知识；②基于这些知识和 S 生成关系 R；③结合 S 的知识和 R 生成目标实体 T。难点在于确保大模型真正理解所需知识，并避免生成不相关或无关系的信息。例如，对于“Air”这个实体，我们可能需要大模型生成与球类品牌相关的知识，而非偏向空调。此外，由于一个实体可能涉及众多关系，关系过滤成为一大挑战，需要设计合理的 prompt 来指导大模型在关系池中选取正确的关系。大模型对 prompt 非常敏感，因此设计高质量的 prompt 对于生成目标实体至关重要。
我们的大模型框架旨在生产特定知识，核心在于关系检索和关系过滤。①使用小模型从大量关系中生成与给定实体相关的候选关系集。②利用大模型对这些候选关系进行关系过滤，通过给定实体、关系描述和文本描述，让大模型输出与实体更匹配的关系。在此过程中，prompt 设计至关重要。为了有效引导大模型，将知识分为结构式、描述式和继承式三类，并通过组合这些知识的 prompt 来循序渐进地驱动大模型，以避免不必要的推理延误和生成不相关知识。- 通过 KG-BERT 进行排序，确保生成的目标节点与源节点保持语义一致性，并选择 Top 20% 或 30% 的语义一致性的节点作为关注重点；
- 强调模型推理的一致性，如果多个模型推理结果均包含某个实体，则认为该实体更可靠。
在与现有 SOTA 方法对比时，主要关注图谱补全技术。通过 BERT 语义宣传和图谱挖掘，为源节点扩散出所需的关系和实体。对应的评价指标包括：①准确度（Accuracy），确保生成的实体准确无误；②创新性（Novelty），尽可能生成图谱中不存在的实体以扩展图谱；③多样性（Diversity），确保生成的图谱不集中于某一领域，如不仅限于汽车品牌，而是涉及更广泛的类别如拖拉机等。生成的实体与支付宝小程序密切相关，如“米小圈上学记”和“果叔”。为了更好地满足这些实体的知识需求，我们调整了知识生产框架，提供必要的知识以避免误解。例如，对于“果叔”，提供背景知识，帮助大模型理解其为水果品牌，并正确关联至“鲜丰水果”或“天天果园”，而非无关的“果儿教育”或“佳能”等实体。通过这些调整，在准确性、创新性和多样性上均取得了显著提升。
我们深知知识的重要性，但先前模型的知识处理方式过于简略。RAG 在知识挖掘中扮演着重要角色，它通过相似性模型（如 BM25）召回相关文档，再把这些文档交给 LLM，并由 LLM 生成具体的知识和关系。然而，仅依赖相似性进行检索并不能确保文档的有效性。以乔治马丁为例，我们提出一个基于实用性的模型（Utility）来优化 RAG。与仅将“乔治马丁是作者”排在首位的传统方法不同，我们的模型能更准确地识别“乔治马丁是《冰与火之歌》的作者”这一重要信息。- 生成摘要（Summary）以压缩文档长度（因为召回了成千上万的文档，可能每个文档都比较长，并不是所有的大模型都能支持长序列，所以需要一个 Summary 来压缩多文档之间的长序列，把它压缩成一个能容忍的文档长度）；
我们之前的应用专注于知识生产，核心成果是图谱的结构化存储。这些图谱不仅可直接作为特征融入 GNN 或 Graph 模型中，还可助力下游任务。一个简单应用是，通过图谱融合蚂蚁集团支付网上的所有场景和 item，训练通用图谱预训练模型，并复用至下游业务。然而，生成的图谱存在长尾和噪音问题，我们致力于提升图谱的可靠性和去噪工作，以增强图谱实体的表征。对于下游应用，关注如何有效利用预训练表征。由于预训练是多域表征学习，但特定域可能只需部分多域行为。因此，需进行预训练表征微调，实现自适应迁移。例如，在 A 到 D 四个域预训练后，若最终应用于 E 域，可能仅需 A 和 B 两域的结果进行表征微调就足够了。大模型作为教师模型
我们还尝试了将大模型作为教师模型用于推荐系统。第一阶段，蒸馏了大型 GPT 模型（如 ChatGPT、GPT-4）到较小的模型（如 LLAMA2 或 LLAMA3），来增强推理能力。通过预设的 prompt，大模型生成推荐理由，这些理由基于预定义的模板。接着，使用简化的推理模板请求小模型进行推荐和理由生成。第二阶段，利用生成式 Loss 来微调小模型，使其具备推理能力。一旦模型训练完成，将通过 prompt 为用户行为提供 T+1 推理。推理结果通过文本编码器（Text Encoder）转化为表征，这些表征将直接应用于线上模型。
通过 CoT prompt（思维链提示）来生成推荐理由（Rationale），这些理由基于用户行为偏好。- 基于这些偏好进行从粗到细的推荐，具体做法是先通过用户行为推荐品牌及类目，然后基于这些推荐进行商品精细化推荐；
- 使用 Teacher Model Response 作为语料微调 LLAMA 模型，使其能模仿教师模型生成推荐理由。
我们需训练一个小模型来生成推荐理由，这些理由基于 GPT3.5 大模型给出的预测。简单来说，这就是一个生成式 Loss（Generative Loss）的过程，其中小模型会学习如何预测并生成与大模型一致的推荐理由。
基于前述 LLAMA2 模型，能够做 T+1 推理。- 针对每个用户的行为序列，采用三步 CoT 生成推荐理由；
- 通过 BERT 模型将推荐理由进行 Embedding 化，得到用户行为序列的大模型表征，同时，使用 BERT 模型生成 item 的表征；
- 通过 concatenate 操作和 attention 机制将两者结合，来增强下游推荐模型的性能。
我们评估了不同的 backbone 模型，包括 GRU4Rec、SASRec 和 SRGNN，分别代表简单序列模型、attention 模型和图模型。尽管这些模型存在争议，但大模型通过引入 open knowledge，对一些长期冷启动用户具有较大的帮助，因为大模型能利用丰富的语义信息。此外，我们的模型有效克服了 Popularity bias（流行度偏差）问题，这在两个长尾分布的数据集上尤为明显。与 SASRec 相比，我们的模型在推荐长尾物品时更为均衡，整体 item 分布平稳，并能有效推荐一些较为突出的 item。
我们将 GPT3.5 模型蒸馏至了更小的 LLAMA 模型，但 LLAMA 模型仍显庞大。接下来，我们希望将 LLAMA 进一步压缩至更小的序列模型。在实验中遇到几个挑战：①蒸馏过程中教师模型的知识可靠性存疑；②从语言模型到序列模型的蒸馏跨越了不同的模型类型，这带来了两个主要问题，一是参数差距大，学生模型难以容纳教师模型的知识；二是语义不一致，因为序列模型与原始语言模型之间存在天然差异。
我们设计的模型主要包含两个关键部分：基于 Ranking 的蒸馏策略和 Embedding 对齐，核心在于排名蒸馏。采取了三个策略：①选择 LLAMA2 作为教师模型，认为其排名靠前的分值更高；②考虑 LLM 生成的描述与目标物品（Target Item）的接近程度，增加其排名；③若教师模型（Teacher Model）认为某物品是优质且排名靠前的，学生模型（Student Model）也会给予其更高排名。通过这些策略，我们设计了排名损失（Ranking Loss）函数，用于蒸馏小型序列模型。
效果上，DLLM2Rec 模型在 backbone 上展现出了显著效果，相比一些大模型推荐模型也有明显提升。Q&A
Q1：模型蒸馏到 LLAMA2 7B 还是 70B？蒸馏效果如何？A1：我们针对 LLAMA2-7B 模型进行蒸馏，效果还可以。LLAMA2 从 GPT3.5 中蒸馏出强大的推理能力，能深入理解用户行为中的内在逻辑，而不仅仅是推荐用户已知的物品。这种能力有助于消除传统推荐模型中的 bias，更准确地预测用户想要的东西。所以，我们采用 LLAMA2 来蒸馏这种能力。Q2：蒸馏后得到的小模型是用于离线推理还是在线推理？
A2：LLAMA2 是用于离线推理，在线推理还是筛选不了；而后续的序列模型可以用于在线推理，LLAMA2 继续蒸馏后的小模型，其实是非常小的模型，它就是一个传统的推荐模型，可以部署到线上。Q3：对数据稀疏的低频场景来说，大模型结合推荐系统一般怎么设计？A3：蚂蚁/支付宝的数据天然稀疏，我们通过大量工作进行知识抽取，就是让稀疏场景能泛化出一些更加高活的场景，通过一些知识连通起来。基于这些知识，我们使大模型在推荐系统中运用 RAG 等策略，通过检索抽取的知识，或直接将图谱特征应用于稀疏场景，来强化特征表示。去年，我们做了大量的工作，致力于通过知识来挖掘知识，打通数据稀疏场景与数据丰富场景的一些链路。
粤ICP备14082021号
免费POC，
零成本试错
