本文综述了大型语言模型（LLMs）在推荐系统中的应用，提出了Logic-Scaffolding框架，通过行为对齐和意图对齐提升推荐解释的可信度。该框架结合推理步骤生成个性化解释，解决了现有模型的局限性。通过多任务学习优化推荐和解释任务，实验证明该方法在多个数据集上表现优异，提升了用户满意度和推荐效果。

大型语言模型（LLMs）在推理任务中表现优异，能够指导较小模型回归正确推理路径。研究提出了Logic-Scaffolding框架，利用LLMs的能力提升小模型的推理性能。LLMs在推荐系统中展现出独特优势，能够理解语言细微差别，推动推荐系统的变革，尽管面临挑战，但应用前景广阔。