第 222 题：生成式推荐(Item Generation)，自回归解码的候选生成？
题目
生成式推荐(Item Generation)，自回归解码的候选生成？
完整讲解
一、生成式推荐的含义
- 不限于从固定候选集中排序，而是用 LLM 自回归解码生成 item 标识（ID、标题、属性）或直接生成可检索的表示，再与库中 item 匹配。
- 适合长尾、新品、组合推荐（如「套餐」「歌单」），候选空间大或动态变化时比纯检索+排序更灵活。
二、自回归解码与候选生成
- 解码方式：按 token 逐步生成，可 beam search 或 sampling；输出为 item 名、ID 或结构化描述，后接检索/匹配层把生成结果映射到真实 item。
- 约束解码：在词表或候选列表上做 constrained decoding，保证输出必为合法 item，避免幻觉 ID。
- 多路生成：可并行生成多条序列或多个 slot，再做去重、排序、多样性过滤，得到最终列表。
三、与检索/排序的配合
- 常见形态：LLM 生成「描述/意图」→ 用向量或关键词检索候选 → 精排；或 LLM 直接生成 item 列表 → 用知识库/图谱校验与补全。
- 工程上需平衡生成长度、延迟与多样性，常用截断、早停、缓存前缀以控制延迟。
面试要点
- 能区分生成式推荐与检索+排序：生成式用自回归产出 item 或描述，再匹配/校验。
- 能说清约束解码、多路生成、与检索/精排的衔接，以及延迟与多样性权衡。
记忆要点
- 生成式推荐：自回归解码生成 item 或描述，约束解码保证合法，多路生成后去重排序。
- 常与检索/精排串联：生成→检索→精排，或生成→知识库校验。