标题：当购物用上大模型！阿里妈妈首发世界知识大模型URM，破解推荐难题

在推荐和广告场景中，如何有效利用大模型能力是一个重要挑战。阿里妈妈提出的世界知识大模型URM解决了两大难题：一是LLM虽具丰富知识但缺乏电商专业性；二是用户行为信息冗长影响建模效率。URM通过知识注入和信息对齐，使LLM兼具世界知识和电商知识，实现基于推理的认知推荐。

URM已在阿里妈妈展示广告场景上线，显著提升了商家投放效果和用户体验。例如，针对关注嵌入式家电和收纳用品的用户，系统推测其处于装修初期且注重品质，推荐了全屋定制产品和高品质家电。此外，在特定引导下，URM可根据用户历史兴趣调整推荐结果，如在“新年”引导下优先推荐儿童新年服装。

URM采用多任务设计，通过Prompt融入任务描述，使用商品ID作为特殊token高效表达用户行为。其架构保留LLM的多层Transformer结构，创新性地融合商品ID与语义表征，并通过Sequence-In-Set-Out生成方式提升推荐效果。训练中结合商品推荐和文本生成任务，采用有监督微调策略。离线实验显示，URM在多个子任务中超越传统推荐模型，召回率平均提升11.0%。

为满足低时延、高QPS需求，阿里妈妈设计了异步推理链路，将结果持久化存储，大幅提升资源利用率。URM不仅提升了推荐精度，还增强了系统效率，为电商推荐领域提供了新思路。更多细节请关注后续发布。