大模型在荣耀推荐和广告场景的应用实践 ｜AICon 北京

12 月 19-20 日， AICon全球人工智能开发与应用大会收官之站将在北京举办，本次大会 将以 “探索 AI 应用边界” 为主题，聚焦企业级 Agent 落地、上下文工程、AI 产品创新等多个热门方向，围绕企业如何通过大模型提升研发与业务运营效率的实际应用案例，邀请来自阿里、字节、华为、京东、快手、美团等头部企业、大厂以及明星创业公司的专家，带来一线的大模型实践经验和前沿洞察。一起探索 AI 应用的更多可能，发掘 AI 驱动业务增长的新路径！

荣耀 AI 算法专家冯晓东已确认出席并将在「大模型时代下的搜广推系统实践」专题发表题为《大模型在荣耀推荐和广告场景的应用实践》的主题分享。推荐算法经历了从协同过滤到深度特征交互，再到序列推荐的演进。推荐效果依赖于特征工程和特征交互的方式，推荐算法的迭代主要围绕特征选择（senet）、特征交叉（dcn）、注意力机制（attention）等方向构建。这种推荐范式存在过度依赖大量特征工程、中长期行为难以捕捉、冷启动效果不佳等问题。而随着 LLM 快速发展，scaling laws 极大提升其预测能力和泛化能力，也为推荐算法的迭代带来新的启示。荣耀在 LLM 的早期开始，持续投入构建推荐大模型，并积累了丰富的经验。

本次分享将从推荐算法模型构建的特征工程、训练、推理三个环节，探讨如何与大模型相结合，解决传统深度推荐模型存在的问题，并结合荣耀实际的推荐和广告场景，分享应用实践案例和实际业务效果。最后，总结和展望推荐大模型的未来发展方向。

冯晓东，现任荣耀 AI 算法专家，主导荣耀智能推荐系统的构建，负责推荐和搜索算法架构方面的设计和开发，支撑商品推荐、信息流推荐、广告等多个核心业务场景，具备丰富的推荐与大模型生产落地经验。拥有重庆大学博士学位，从事机器学习、深度学习、推荐与搜索算法等的研究与应用 10 余年，发表 SCI 论文 5 篇、专利 6 篇。他在本次会议的详细演讲内容如下：

演讲提纲

1. 荣耀的推荐场景介绍

2. 推荐算法模型和大模型的特点分析

• 推荐算法结构演进及特点

• 大模型与推荐的结合方式

3. 基于 LLM 的特征工程

• 基于 LLM 的多模态内容理解

• 基于 LLM 的 Embedding 构建

• 游戏推荐场景案例分析

4. 基于大模型的训练与推理

• 基于 LLM 和对比学习的模型训练

• 基于 HSTU 的模型训练与推理

• 广告场景案例分析

5. 总结与展望

• 总结：快速落地推荐大模型

• 展望：生成式推荐覆盖推荐全链路

您认为，这样的技术在实践过程中有哪些痛点？

• 训练样本和模型结构的设计，如何与业务场景相结合并带来收益

• 让推荐模型出现 scaling laws 的同时，保证线上推理性能

您的演讲有哪些前沿亮点？

• 推荐全链路与大模型结合的方式和实践案例

• 生成式推荐落地的技术难点和迭代方向

听众收益

1. 有助于从推荐特征工程、模型训练和推理全链路出发，分析推荐和大模型结合的方式

2. 了解生成式推荐落地的技术难点和迭代方向，便于用户构建适合自己场景的推荐大模型

除此之外，本次大会还策划了LLM 时代的软件研发新范式、Context Engineering、Data+AI / Agent 落地实践、大模型系统工程、企业级 Agent 的设计与落地、大模型时代下的搜广推系统实践、多模态从技术突破到创新应用落地等 10 多个专题论坛，届时将有来自不同行业、不同领域、不同企业的 50+资深专家在 AICon 北京站现场带来前沿技术洞察和一线实践经验。

年度收官之战，目前日程 100%上线，详情可扫码或联系票务经理 13269078023 咨询。