AI Engineer 2025 - Improving RecSys & Search with LLM techniques

摘要

介紹了 AI 工程師如何透過 LLM 技術提升推薦系統與搜尋效能。作者分享了在 2025 年 AI 工程師世界 fair 上關於 RecSys 與 Search 的演講內容，涵蓋了使用語義 ID、資料增強及統一基礎模型來實現這兩者的融合。

This article shares the author's presentation on improving RecSys and Search with LLM techniques at the 2025 AI Engineer World fair, covering the convergence of these domains via semantic IDs, data augmentation, and unified foundation models.

重點

• 作者分享了在 2025 年 AI 工程師世界 fair 上關於 RecSys 與 Search 的演講內容。
• 探討了透過 LLM 技術提升推薦系統與搜尋效能的方法。
• 涵蓋使用語義 ID、資料增強及統一基礎模型來實現融合。

提到的工具與公司

• Semantic IDs
• RecSys

適合誰看

對推薦系統、搜尋引擎或 LLM 工程感興趣的 AI 工程師。

摘要依據

講者

Eugene Yan

依據

文章全文

為什麼排在這裡

人氣

0.75

新鮮

0.15

在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算

相關內容

• Improving Recommendation Systems & Search in the Age of LLMs文章 ・ Eugene Yan（部落格）
• Training an LLM-RecSys Hybrid for Steerable Recs with Semantic IDs文章 ・ Eugene Yan（部落格）
• Why LLM Recommenders Will Be AI's Biggest Consumer App文章 ・ AIE Talks
• Retrieval Augmented Generation (RAG), Search, and Vector Databases影片 ・ Luis Serrano Academy ・ 19 分鐘（在新分頁開啟原站）
• AI Engineering: From Agents to LLM OS (plus demos from AI Engineer Singapore meetup)影片 ・ Shawn Wang (swyx) ・ 1 小時 8 分（在新分頁開啟原站）
• How to get discovered in AI searchPodcast ・ Practical AI ・ 55 分鐘