速報
ShopX：以語言模型驅動的原生商品推薦框架
隨著 AI 原生應用的興起，購物體驗正從頁面與資訊流瀏覽轉向以意圖為導向的 LLM 代理人。現有的設計多將大型語言模型包裹在搜尋與推薦管線上，導致語意理解與商品空間執行之間出現斷層。為解決此瓶頸，研究團隊提出 ShopX，將意圖理解、執行規劃與基於語意 ID（SID）的商品操作統一於單一基礎模型。
速報
隨著 AI 原生應用的興起，購物體驗正從頁面與資訊流瀏覽轉向以意圖為導向的 LLM 代理人。現有的設計多將大型語言模型包裹在搜尋與推薦管線上，導致語意理解與商品空間執行之間出現斷層。為解決此瓶頸，研究團隊提出 ShopX，將意圖理解、執行規劃與基於語意 ID（SID）的商品操作統一於單一基礎模型。
速報
生成式推薦近期興起，常用語意 ID（SID）編碼項目。但研究發現，SID 隨模型放大易飽和，成為效能瓶頸。相較之下，直接以大型語言模型作為推薦器（LLM-as-RS）在尺度擴展上表現更佳，最高提升約 20%。此發現顯示 LLM 在捕捉協同過濾資訊上亦具潛力，為生成式推薦提供新方向。