Meituan02 4.15
When LLM-Based User Profiling Adds Value in Production Streaming Recommendation
Comcast
DePaul University论文在真实流媒体数据上比较聚合向量与 LLM 画像，并交叉测试长短期兴趣拆分，共评估 4 种策略、1 万名用户和约 24 万个内容。全体用户中，长短期聚合向量使 NDCG@10 相对提升 4.7%；LLM 整体画像在探索型用户中提升 31.5%，但在总体上下降 26.9%，收益明显依赖人群。
INSIGHT社区搜索可先用历史点击内容的语义均值作用户特征，再检验 LLM 画像是否只对兴趣变化人群有效。论文中的探索型标签利用未来测试行为，不能直接作为线上路由；还需评估目录覆盖与新颖性，避免个体列表更丰富、全站内容曝光却更集中的现象。
Milad Sabouri, Neeraj Sharma, Sardar Hamidian, Shaghayegh Agah
arXiv·2026-09-23·Relevance 5 · Novelty 3 · Practical 4 · Evidence 4 · Timely 5
Shanghai Jiao Tong University
Rice University