得物如何将生成式召回技术成功落地？经验与挑战有哪些？

要说国内潮流电商领域的弄潮儿，还得是得物。这家公司在用户体验和技术创新上一直走在前沿，特别是在推荐算法的升级上更是层出不穷。而近年来生成式AI的浪潮席卷而来给推荐系统带来了前所未有的变革机遇。 动手。 得物也敏锐地捕捉到了这一趋势，启动了生成式召回技术的探索和实践，试图在激烈的市场竞争中抢占先机。

一、 背景：探索智能推荐新范式

传统的推荐系统主要依赖于基于协同过滤或基于内容的模型，它们往往受限于用户历史行为和商品特征的相似度。只是因为用户需求的多样性和商品标签的复杂性增加，这些方法越来越难以满足用户的个性化和多样化需求。得物希望式技术来打破传统推荐系统的局限，实现更精准、更具创造性的推荐效果，我直接起飞。。

1.1 架构升级：One-Rec 框架与生成-判别式范式

得物内部的 One-Rec 框架是其动态地 候选集，覆盖更多潜在兴趣的商品。

功能	判别模型	生成模型
任务	预测用户评分/点击	动态 候选集
输入	用户历史行为、 商品特征	用户上下文信息、领域知识
输出	排序后来啊	候选商品列表

1.2 FlinkSpec：实时数仓与AI赋能

换句话说... FlinkSpec 是得物在数据基础设施上的一个重要举措。它利用 AI 技术将实时数仓从需求落地阶段提升到更高的维度。比如 FlinkSpec 通过 AI 模型自动抽取、转换和加载数据到数仓中，从而实现对海量数据的智能化管理和分析。