生成式 AI 如何重塑推荐系统

推荐系统已经进入我们日常使用的各种数字产品。我们每天打开 YouTube、Bilibili、抖音、小红书或其他视频、音频 App 时，首页上的内容都经过了筛选；在 Amazon、淘宝等购物平台上，我们看到哪些商品、这些商品以什么顺序出现，也通常不是随机的。我们的搜索、点击、停留、收藏和购买等行为，会不断成为新的信号，帮助推荐系统判断我们下一步可能对什么感兴趣。

推荐系统真正复杂的地方，不只是怎样判断“用户可能喜欢什么”，还在于推荐结果会改变用户随后看到的内容，而这些新的行为又会成为下一轮推荐的数据。

过去二十多年里，推荐系统从协同过滤发展到深度神经网络、行为序列和多模态模型，越来越擅长从复杂行为中推测用户下一步可能做什么。这些技术虽然不断演进，但长期以来有一个基本前提未曾改变：系统主要面对一批已经存在的电影、商品、新闻、视频或创作者账号，并判断哪些对象应呈现在特定用户面前。

生成式 AI 正在从三个方向改变这套机制：用户可以用自然语言直接说明需求，AI 助手可以在授权范围内整合跨应用上下文，系统也可以在检索和排序之外参与组织甚至生成最终结果。它改变的不只是推荐结果的形式，也在改变系统依据什么理解用户，以及这些信息可以从哪里获得。

本文将区分这些变化中哪些已经进入产品、哪些仍主要停留在研究和原型阶段，并讨论它们如何影响用户选择、内容生产和信息核对。

一、推荐系统如何从行为推断偏好 #

推荐系统早期解决的是一个相对直观的问题。如果两个人过去喜欢过许多相同的电影，其中一个人最近又喜欢了一部新电影，那么另一个人也可能对它感兴趣。协同过滤（Collaborative Filtering）就是从大量用户与物品的共同选择中寻找这种关系。

这种方法依赖已经积累的交互。新用户没有历史记录，新商品也还没有人点击，这就是推荐系统中的经典冷启动（Cold Start）问题。平台上的内容和用户数量不断增长，仅凭用户与物品的相似关系，也越来越难描述复杂而不断变化的兴趣。

随着深度学习进入推荐系统，模型开始自动化地学习用户和物品的表示。用户看过或买过什么，商品属于什么类别，视频包含哪些画面，标题表达了什么，以及当前时间、设备和使用场景，都可以成为模型的输入。模型通常把这些信息转化为嵌入表示（Embedding），也就是高维空间内的一组数字；兴趣或语义关系相近的对象，在这个空间中的位置通常也更接近。

现代大型推荐系统还会将流程拆分为多个阶段。以召回-排序（Recall and Ranking）架构为例，召回阶段首先从庞大的内容库中快速筛选出几百或几千个候选对象，排序阶段再综合用户行为、内容属性、当前场景和业务约束，进行更精细的打分。YouTube 在 2016 年发表的深度推荐系统论文，是这类工业架构的重要代表[1]。召回阶段通常采用较轻量的模型快速筛选候选，例如分别编码用户和内容的双塔模型（Two-Tower Model）；在候选数量减少后，排序阶段再用更复杂的模型综合更多特征。

近年来，推荐模型开始同时处理两类过去较难利用的信息：行为发生的顺序，以及内容本身包含什么。序列推荐（Sequential Recommendation）不再仅仅将“用户看过哪些东西”视为一个集合，而是分析行为如何前后关联。一个人晚上连续观看日本旅行视频，随后搜索酒店，可能是在计划旅行；如果相同的几次点击分散在两年内，其含义便截然不同。Transformer 的自注意力机制（Self-Attention）可以直接建模行为序列中不同位置之间的关系，因此已成为序列推荐领域的重要技术路线之一[2]。

多模态推荐（Multimodal Recommendation）则让系统直接利用文字、图片、视频和音频中的信息。对于刚刚上线、还没有多少点击记录的商品，视觉和文本特征可以帮助系统判断它与已有内容及用户兴趣之间的关系[3]。

这些技术扩大了模型能够利用的信息，然而，用户的偏好仍主要通过行为推断得出。点击、停留时间、完播率、搜索、回访和购买等无需用户主动评分的行为，通常被称作隐式反馈（Implicit Feedback）[4]。点赞、收藏和评分属于更明确的反馈，但平台所能获得的大量数据，仍源于用户正常使用时留下的痕迹。

然而，行为不能直接等同于偏好。一个人停留在某段视频上，可能因为喜欢，也可能因为困惑、愤怒，甚至仅仅是因为没有及时划走。模型通常无法直接知道行为背后的原因，只能从大量历史数据中寻找统计规律。

更重要的是，推荐过程还会形成反馈循环（Feedback Loop）。用户只能对已经看到的内容产生反应，系统则会将这些反应作为下一轮推荐的依据。当某类内容获得更多曝光后，更容易获得点击和驻留；这些行为随后可能被解读为更强的兴趣，并继续影响之后的曝光。由此产生的曝光偏差（Exposure Bias）意味着，没有被展示的内容很难得到行为信号，也更难参与后续推荐竞争[5]。

因此，系统观察到的“偏好”不是一个独立于推荐过程、等待模型去发现的固定对象。用户选择影响推荐，推荐又决定用户接下来有机会对什么作出选择。平台最终得到的数据，并不是用户偏好的直接记录，而是用户行为与平台曝光共同作用的结果。

二、大模型如何改变推荐系统的输入、上下文和输出 #

随着大模型的加入，这套循环中新增了一类不同的信号：用户可以直接用自然语言说明自己此刻需要什么。

大语言模型（Large Language Model，LLM）集成到推荐系统后，用户无需再通过反复点击、跳过或重新搜索来调整推荐结果。在寻找电影时，用户可以直接提出：

想看节奏慢一点，但不要太压抑的电影。不要战争题材，最好两个小时以内。

如果结果不合适，用户还可以继续补充：

刚才那次搜索是替别人找的，不要把它算成我的长期兴趣。

自然语言由此成为一种全新的偏好信号。2023 年的一项研究发现，在用户历史数据较少的近冷启动（Near Cold-Start）场景中，仅依据自然语言偏好描述进行推荐的大语言模型，能够取得与基于物品历史记录的协同过滤方法相竞争的表现[6]。这一结果源于特定数据集和实验条件，并不能说明大模型已普遍优于成熟的推荐系统。其意义在于，用户无需等到平台积累大量点击之后，才有机会表达比较复杂的需求。

自然语言提供的信息更丰富，但其可靠性不一定天然优于行为数据。人们声称的喜好与最终的实际选择并非总是一致。更现实的系统可能同时使用用户表达的偏好和实际行为，而非让其中一种信息完全替代另一种。

从系统实现来看，大模型并非以单一固定方式融入推荐系统。在现有架构中，基础模型（Foundation Model）可以先理解商品描述、评论和图片，将这些非结构化内容转化为相对统一的语义表示，召回和排序仍由传统推荐模型完成。

大模型亦可作为交互层，首先理解用户当前希望解决的问题，再由传统系统处理大规模候选集合。大模型擅长理解复杂语言，而传统检索系统则更适合处理数百万乃至数十亿计的候选对象。

如果获得用户授权并连接外部服务，大模型还可能改变用户信息分散在各平台的状态。传统推荐系统主要使用本平台掌握的数据；AI 助手则可以通过数据接口连接多个应用，将相关信息置于同一个上下文之中。例如，旅行视频、日历行程、邮件中的预订信息和以往消费偏好，可以共同帮助系统判断用户当前需要什么。这并不意味着各应用之间会自动互通，也不必然会形成永久统一的用户画像。更实际的场景可能是，AI 助手围绕具体任务，在授权范围内临时整合相关信息；其可访问的内容，仍受限于数据接口、身份关联和隐私规则[7][8]。

再向前一步，系统可以直接参与生成或改写用户最终看到的内容。在此，我们需要区分两种容易混淆的“生成”方式。在一些研究中，模型生成的是商品标识或推荐序列，最终的对象仍来源于既有的候选库；当系统进一步生成新的文字、图像、音乐、视频或互动角色时，个性化便不再仅仅是对候选对象进行排序，而是开始直接改变用户最终所见的内容。现有 LLM 推荐研究已形成判别式推荐和生成式推荐等不同范式[9]，CALRec 等工作也在尝试根据用户行为序列生成推荐结果[10]，但这不等同于直接生成新的媒体内容。

系统可以通过多种机制为不同用户生成不同内容。系统提示词（System Prompt）可在模型上下文中融入用户偏好、角色要求或长期设置。尽管模型参数保持不变，但不同上下文会改变回答条件。

检索增强生成（Retrieval-Augmented Generation，RAG）还可以从用户过去的对话、偏好记录或其他资料中检索与当前问题相关的信息，再将这些材料加入模型上下文。此时模型面对的不只是“问题是什么”，还包括“该用户过去曾提供过哪些相关信息”。

持续微调（Continual Fine-Tuning）亦可使模型参数根据新数据进行更新，然而，针对单个用户的持续训练仍面临成本、数据隔离和灾难性遗忘（Catastrophic Forgetting）等挑战，因此不能简单地认为它会成为所有消费级产品的标准方案。

研究者正探讨如何利用基础模型增强用户与物品表示、生成推荐序列，并进一步构建能够主动交互和规划的系统[11]。目前，利用大模型理解内容和用户需求已经有比较清晰的实现方式；直接为个体用户生成完整内容则仍在快速发展，尚未成为推荐产品的普遍形态。

三、更多控制，也意味着更细的用户画像 #

对话式推荐让用户可以直接说明临时目标、排除条件和不满意的原因，无需仅仅依靠反复点击“不感兴趣”、取消关注或等待系统缓慢调整。对于历史数据较少的用户、小众需求和复杂决策，这种交互方式尤具价值。

与此同时，对话亦会产生过去难以从点击中获取的信息。一次点击可能只能告诉平台“用户选择了什么”，一段对话则可能揭示“为什么不喜欢”“有哪些限制”“正在担心什么”。用户因此获得了更直接的纠正方式，平台也得以获取比点击和驻留更为细致的个性化信号。

这些信号可以改善推荐，也可能使得系统更有针对性地影响用户选择。然而，系统能够解释推荐，并不自动等同于推荐过程的更高透明度。推荐说明既能帮助用户理解某件商品或某部电影为何可能适合自己，也能用于说服用户做出特定选择。

Balog 等人在一项包含 129 名参与者的研究中发现，在此实验条件下，带有不同倾向的自然语言推荐说明会对用户选择产生显著影响，有时甚至可能导致参与者选择质量较差的推荐项[12]。这项研究不能直接推广至所有生成式 AI 产品，但它揭示了一个机制层面的问题：当同一个系统既负责选择对象，又负责解释“为什么它适合你”时，说明与说服之间并非总能轻易区分。

更进一步而言，如果产品保存长期记忆，更细致的反馈还会形成更为敏感的用户画像。人在某一天搜索某种疾病、某份工作或某种情绪相关内容，并不意味着这些信息应永久成为长期画像的一部分。对保存长期记忆的产品来说，一个更实际的挑战是：用户能否查看、修改和删除这些信息，系统又该如何区分一次临时需求和长期偏好。

四、个性化生成如何影响关系与信息核对 #

传统推荐系统已经能够强化用户与创作者或虚拟角色之间的关系。如果一个人持续观看某位创作者的内容，系统观察到更长的停留时间、更高的完播率和更频繁的回访，就可能持续增加相关内容的曝光。

传播学很早便采用准社会关系（Parasocial Relationship）来描述人们与演员、主持人、名人或虚构角色之间形成的单向情感联结[13]。用户会逐渐熟悉对方，但对方通常并不知道此特定用户的存在；推荐系统可以增加相关内容曝光，从而强化这种熟悉感。

生成式 AI 带来了传统内容推荐难以提供的持续回应。如果一个数字角色能够调用过去的对话，记住用户提及的人和事，并据此继续交流，那么在用户体验层面，这段关系便不再完全是“我认识它，它不认识我”。底层机制可能仍然只是历史数据检索、上下文调用和条件生成，不能直接等同于人类的记忆和理解，但用户感受到的回应确实存在。

现有研究尚未能直接说明生成式推荐会产生怎样的长期心理影响。Stein 等人的一项预注册实验发现，真人网红和虚拟网红引发的准社会互动在总体强度上未显示显著差异；参与者感知到的角色与自身的相似度，以及角色在心理层面“拟人化”的程度，均会影响这种互动[14]。另一项持续四周、涉及 981 名参与者的随机对照实验未发现不同实验分组对主要心理社会指标产生显著影响；然而跨组观察显示，自主使用聊天机器人时间较长的参与者，同时报告了更高的孤独感和情感依赖程度[15]。

这两项研究关注的问题并不相同。前者表明人们亦可能与虚拟人物产生准社会互动，后者观察的是使用时长与孤独感、情感依赖等结果之间的相关关系。现有证据尚不足以证明所有个性化互动都会产生相同的后果。

与此同时，个性化生成的影响亦会从人与系统之间延伸至人与人之间。当不同用户开始收到不同版本的内容，人们核对信息的方式也将随之改变。

传统推荐虽然会导致用户甲看到文章 A、用户乙看到文章 B，但文章 A 和文章 B 通常仍是既已存在的公共对象，其他人原则上可以查阅同一篇文章，以核对甲究竟阅读了什么内容。个性化生成则使问题复杂化了一层：用户画像和历史信息会改变检索材料及生成条件，进而影响其措辞、证据选择、解释顺序，甚至因果框架。不同用户得到的可能不仅是差异化的信息来源，也是不同版本的答案。

这并不意味着生成式 AI 会立即使每个人生活在完全不同的信息环境中。新闻报道、法律文本、论文、商品、电影和大量公共文化作品仍保有相对固定的公共版本，版权、制作成本、品牌价值和社会交流等因素也会持续支撑这些内容的存在。更现实的变化是，公共内容本身保持相对稳定，但其摘要、解释、组合和呈现方式却日益个性化：同一篇报道可得到不同的摘要，同一组商品被组织成不同的推荐方案，同一个公共问题可根据用户背景获得不同的回答方式。

这种变化能够提升便利性，亦会增加核对信息的成本。过去当遇到观点分歧时，可以问：

你看的是哪篇报道？

如果越来越多人的信息入口转变为个性化生成系统，人们还可能需要追问：

你的系统当时是在什么条件下生成这个回答的？

这也是系统审计亟需处理的工程问题。传统推荐系统主要需记录哪些内容被推荐给了哪些用户；若实时生成系统需支持事后审计，还需要记录生成时所使用的上下文、检索的材料、应用的个性化条件，以及最终生成的版本。平台若长期保存所有信息，将带来新的数据和隐私问题；若完全不保存，则会增加事后审计的难度。当平台既决定什么被展示，又参与生成用户最终看到的内容，推荐、内容审核和数据治理也就难以再完全分开讨论。

五、大模型更可能融入推荐系统，而不是取代它 #

这些变化并不意味着传统推荐基础设施将消逝。现实系统仍需处理庞大的候选集合，并考虑库存、价格、版权、安全、广告、延迟和其他业务限制。大语言模型擅长理解自然语言和组织结果，并不意味着它天然适合承担所有的召回和实时排序工作。

因此，更现实的架构是：大语言模型结合用户当前输入和经过授权的跨应用上下文来理解需求，传统推荐模型继续负责候选对象的检索与排序，生成模型再负责解释、组合或重新组织结果。

推荐结果亦可能从单个对象扩展为由多个对象组成的完整方案，例如旅行计划、学习路径、购物组合或根据现有材料生成的内容摘要。系统此时不仅决定选取哪些对象，还参与安排顺序、阐释理由和组织最终表达。

这也意味着，评价此类系统很难继续仅仅关注点击率、观看时长和转化率。更擅长说服用户的模型可能提高点击，却未必能帮助用户做出更优的决定；高度个性化可能提升短期满意度，却也可能影响内容多样性以及创作者获得曝光的机会。

推荐系统本来就涉及用户、内容提供者、广告商和平台等多方关系[17]。当平台进一步掌握生成能力时，对系统的评价还需要考量选择质量、信息来源、内容多样性、用户能否纠正其画像，以及生成结果的可追溯性和可审计性。

结语 #

生成式 AI 并未取消推荐系统原有的召回、排序和反馈机制，而是在这些机制之上，增加了自然语言交互和内容生成的能力。用户因此可以更直接地说明需求，系统也能组织出更完整的结果；与此同时，推荐依据、解释方式和最终内容，可能由同一套系统共同决定。

判断此类系统是否更优，不能仅仅关注它是否更准确地预测点击。还需要考察它依据哪些信息来理解用户，用户能否纠正这些信息，生成结果能否追溯，以及个性化是否确实改善了用户选择，而非仅仅增强了说服力。

过去，人们更多地担忧推荐系统影响“我们看到什么”。生成式 AI 所带来的新变化是，它开始参与形成“我们所看到的内容是怎样的”。

这可能才是从“猜你喜欢”走向“为你创造”最值得关注的变化。

参考文献 #

[1] COVINGTON P, ADAMS J, SARGIN E. Deep neural networks for YouTube recommendations[C]//Proceedings of the 10th ACM Conference on Recommender Systems. 2016: 191-198. DOI: 10.1145/2959100.2959190.

[2] PETROV A V, MACDONALD C. Transformers for sequential recommendation[C]//Advances in Information Retrieval. Cham: Springer, 2024.

[3] LIU Q, HU J, XIAO Y, et al. Multimodal recommender systems: A survey[Preprint]. 2023. DOI: 10.48550/arXiv.2302.03883.

[4] HU Y, KOREN Y, VOLINSKY C. Collaborative filtering for implicit feedback datasets[C]//2008 Eighth IEEE International Conference on Data Mining. 2008: 263-272. DOI: 10.1109/ICDM.2008.22.

[5] LIANG D, CHARLIN L, MCINERNEY J, BLEI D M. Modeling user exposure in recommendation[C]//Proceedings of the 25th International Conference on World Wide Web. 2016: 951-961. DOI: 10.1145/2872427.2883090.

[6] SANNER S, BALOG K, RADLINSKI F, WEDIN B, DIXON L. Large language models are competitive near cold-start recommenders for language- and item-based preferences[C]//Proceedings of the 17th ACM Conference on Recommender Systems. 2023. DOI: 10.1145/3604915.3608845.

[7] GOOGLE. Connect your Google apps to personalize your Gemini experience[EB/OL]. [2026-08-19]. https://support.google.com/gemini/answer/16598406.

[8] HARDT D. The OAuth 2.0 Authorization Framework[S]. RFC 6749. Internet Engineering Task Force, 2012. DOI: 10.17487/RFC6749.

[9] WU L, ZHENG Z, QIU Z, et al. A survey on large language models for recommendation[Preprint]. 2023. DOI: 10.48550/arXiv.2305.19860.

[10] LI Y, ZHAI X, HAMMAD M, et al. CALRec: Contrastive alignment of generative LLMs for sequential recommendation[C]//Proceedings of the 18th ACM Conference on Recommender Systems. 2024: 422-432. DOI: 10.1145/3640457.3688121.

[11] HUANG C, YU T, XIE K, et al. Foundation models for recommender systems: A survey and new perspectives[Preprint]. 2024. DOI: 10.48550/arXiv.2402.11143.

[12] BALOG K, RADLINSKI F, PETROV A. Measuring the impact of explanation bias: A study of natural language justifications for recommender systems[C]//Extended Abstracts of the 2023 CHI Conference on Human Factors in Computing Systems. 2023. DOI: 10.1145/3544549.3585748.

[13] HORTON D, WOHL R R. Mass communication and para-social interaction[J]. Psychiatry, 1956, 19(3): 215-229. DOI: 10.1080/00332747.1956.11023049.

[14] STEIN J P, BREVES P L, ANDERS N. Parasocial interactions with real and virtual influencers: The role of perceived similarity and human-likeness[J]. New Media & Society, 2024, 26(6): 3433-3453. DOI: 10.1177/14614448221102900.

[15] FANG C M, LIU A R, DANRY V, et al. How AI and human behaviors shape psychosocial effects of chatbot use: A longitudinal randomized controlled study[Preprint]. 2025. DOI: 10.48550/arXiv.2503.17473.

[16] PARISER E. The Filter Bubble: What the Internet Is Hiding from You[M]. New York: Penguin Press, 2011.

[17] BOUTILIER C, MLADENOV M, TENNENHOLTZ G. Modeling recommender ecosystems: Research challenges at the intersection of mechanism design, reinforcement learning and generative models[Preprint]. 2023. DOI: 10.48550/arXiv.2309.06375.