研究表明，GPT-3模型在没有用户历史数据的情况下，能够有效推荐电影，超越一些传统推荐模型。大型语言模型在推荐系统中展现出良好的排名能力，尤其在处理语言偏好时表现出色。尽管存在对输入提示的敏感性等挑战，LLMs在推荐领域的潜力仍然显著，能够提供更好的推荐解释能力和对小众电影的推荐。

本文研究了大型语言模型在推荐系统中的应用，提出了判别型和生成型两种推荐类型，并分析了模型在零样本和少样本推荐任务中的表现。通过新框架ReLLa和CALRec，研究表明大型语言模型在推荐性能和用户行为理解上有显著提升。同时，提出了高效推荐模型SLMRec，基于小型语言模型，优化了参数和时间成本。

该文综述ChatGPT等大语言模型在推荐系统等场景的研究，包括评估其零样本推荐与排序能力并与标准算法及其他模型对比，探索对话推荐、酒店与书籍推荐及用户模拟评估框架iEvaLM，同时涉及AutoML、人本设计、教育支持及编程问题求解的表现与局限。