Комплексный обзор использования больших языковых моделей для преодоления проблем рекомендательных систем

Обнаружено: LLM катастрофически плохо справляются с рекомендациями, когда пользователь просто спрашивает «что посоветуешь?» — модель начинает генерировать общие советы вместо персонализированных. Метод из исследования позволяет получать точные рекомендации даже без истории взаимодействий (решает проблему «холодного старта»). Промпт перестаёт быть вопросом и становится микро-базой данных: вы загружаете в него свой детальный профиль + описания вариантов для выбора, и LLM проводит семантическое сопоставление — качество совета зависит от полноты текста в промпте, а не от объёма накопленных данных о вас.