浙江大学傅聪教授及其团队提出的OnePiece框架，通过上下文工程和隐式推理，显著提升了工业级推荐系统的收益。该框架优化了用户交互历史和候选商品集合，克服了传统推荐系统的局限性，展示了生成式推荐的潜力。未来将继续探索压缩、检索和通用化方向。
本研究提出ImplexConv数据集，包含2500个示例，旨在解决开放领域对话中的个性化和隐式推理不足问题。引入TaciTree框架，以提升大语言模型在长期对话中的推理能力。
完成下面两步后，将自动完成登录并继续当前操作。
