GROCLM：用大语言模型革新电商生鲜品类推荐

随着在线生鲜购物快速增长，传统基于商品的推荐系统面临可扩展性和准确性挑战。为此，研究团队提出GROCLM——一个专为生鲜品类推荐设计的微调语言模型。该模型采用基于LoRA的两阶段训练策略，将周期性购买模式直接编码到模型参数中，相比基于提示词的条件控制能更有效地利用复购信号。为确保输出有效且可控，研究团队还引入了基于字典树的约束解码机制，限定在预定义品类空间内生成推荐。实验在专有生产数据和公共基准测试上进行，结果显示GROCLM持续优于强基线模型。在实际生产环境的补货任务中，GROCLM实现了每曝光购物车添加量相对提升7.5%的显著效果，同时通过联合生成所有品类保持高效推理。这些成果突显了大语言模型融入结构化推荐系统的有效性和实用性，为电商推荐系统的发展提供了新思路。