Los sistemas de recomendación tradicionales son excelentes para clasificar artículos por relevancia, pero los usuarios a menudo tienen dificultades para elegir entre los mejores resultados. Un nuevo enfoque del equipo de tecnología de Internet de vivo introduce una 'capa de decisión' impulsada por grandes modelos de lenguaje. En lugar de modificar el algoritmo de clasificación, esta capa genera comparaciones explicables para múltiples artículos similares, permitiendo a los usuarios ver las compensaciones y tomar decisiones informadas. El sistema utiliza LLM para explorar libremente las comparaciones, luego aplica restricciones de ingeniería para garantizar una salida estable y lista para producción. Este método tiene como objetivo transformar la experiencia del usuario de la recepción pasiva de recomendaciones a la toma de decisiones activa. Para desarrolladores y gerentes de producto, esta es una forma práctica de mejorar los sistemas de recomendación sin revisar la infraestructura existente.
El equipo técnico de vivo propone una capa de decisión impulsada por LLM después del ranking de recomendaciones para ayudar a los usuarios a comparar y elegir entre artículos similares.