Les systèmes de recommandation traditionnels excellent dans le classement des articles par pertinence, mais les utilisateurs ont souvent du mal à choisir parmi les meilleurs résultats. Une nouvelle approche de l'équipe technologique Internet de vivo introduit une 'couche de décision' alimentée par de grands modèles de langage. Au lieu de modifier l'algorithme de classement, cette couche génère des comparaisons explicables pour plusieurs articles similaires, permettant aux utilisateurs de voir les compromis et de prendre des décisions éclairées. Le système utilise les LLM pour explorer librement les comparaisons, puis applique des contraintes d'ingénierie pour garantir une sortie stable et prête pour la production. Cette méthode vise à transformer l'expérience utilisateur de la réception passive de recommandations à une prise de décision active. Pour les développeurs et les chefs de produit, il s'agit d'un moyen pratique d'améliorer les systèmes de recommandation sans refondre l'infrastructure existante.
L'équipe technique de vivo propose une couche de décision alimentée par LLM après le classement des recommandations pour aider les utilisateurs à comparer et choisir parmi des articles similaires.