Netflix 如何教会大语言模型推荐电影，让你欲罢不能
你的 P99 CONF 免费门票在此——60+ 场纯线上性能主题工程演讲（赞助商内容）
P99 CONF 是专为那些痴迷于高性能、低延迟应用的工程师打造的技术会议。来自当今最具颠覆性产品的资深工程师将带来 60 多场演讲，主题涵盖 Rust、Go、Zig、分布式数据系统、Kubernetes 以及 AI/ML。报名即可免费获得 O'Reilly 完整图书库和学习平台 30 天访问权限、免费电子书，还有机会赢取 500 份限量周边礼包中的一份！
与 3 万名同行一起，抓住这次难得的机会，免费、随时随地向 Chip Huyen（O'Reilly《AI Engineering》作者）、Madelyn Olson（Valkey 共同创建者）以及 Carl Lerche（Tokio 创建者）等专家学习。
额外福利：报名者立即获得 O'Reilly 完整图书库 30 天访问权，参会者还可参加抽奖，赢取 500 份免费周边礼包之一。
推荐系统是 Netflix 体验的核心组成部分。只要你看过 Netflix，就会发现首页总是推荐大量电影和剧集。而这些推荐往往恰好是你感兴趣的内容，并且会根据你的观看历史实时调整。
Netflix 最初的推荐引擎基于上千个人工特征构建，涵盖用户、物品及交互数据。它还采用了多种专门架构，分别负责推荐任务中的不同功能模块。
虽然这套架构多年来经历了不少变化，但依然相当复杂，接入新的使用场景成本很高。与此同时，大语言模型（LLM）取得了长足进步，在向用户推荐内容这方面的能力提升显著。凭借更广博的世界知识和对语言的理解，LLM 很擅长挖掘不同事物之间的关联，还能用自然语言生成推荐，这是额外的好处。不过，像 Netflix 这样的公司，不可能随便拿一个现成的 LLM 来生成推荐。
这正是 Netflix 工程团队打造 GenRec 的原因。
GenRec 的核心思路是：利用 LLM 更深入地理解用户的观看历史，从而给 Netflix 上流媒体播放的各种电影和剧集打分。但你不能直接把一个用户看过的电影或剧集列表丢给通用 LLM，就指望它给出有趣的推荐。Netflix 必须对基础模型做一系列调整，才能让它适配自家的内容和会员行为。
本文将介绍 GenRec 的构建过程，主要涵盖以下内容：
推荐系统的基本问题
Netflix 为什么需要新方案
语言模型为什么能帮上忙
GenRec 的两个训练阶段
如何利用用户行为构造训练样本
GenRec 学到了什么，以及如何生成推荐
Netflix 如何评估 GenRec
声明：本文基于公开渠道分享的信息整理，参考资料见文末。如有不准确之处，欢迎在评论区指出。
推荐系统的基本问题
推荐系统要回答一个基本问题：推荐列表的第一位应该放什么？
这个问题的答案，决定了该向特定用户展示哪些内容以及展示顺序。在 Netflix 上，这些内容可以是电影、剧集、游戏和其他类型。
推荐顺序至关重要。用户的注意力是有限的，他们可能只看几个标题就会做出选择。如果在这段时间内没有找到感兴趣的内容，用户甚至可能离开平台去别处寻找。即使目录中确实有用户可能喜欢的项目，若未能及时呈现，也可以认为推荐系统未能履行职责。
推荐顺序由称为“排序器”的组件负责。它根据项目对特定用户在特定场景下的匹配程度分配分数。分数越高，项目在推荐列表中显示的位置越靠前。为了确定这个分数，排序器需要大量信息，例如：
成员的交互历史，以了解其喜好与厌恶。
项目元数据，以理解内容本身的主题。
观众所用设备的详情、当前时间、语言或地区。
Netflix 的 GenRec 能够对整个内容目录进行排序，也可以处理较小的内容集合。你可以使用 Top-K 排序，即排名最高的 K 个项目，其中 K 是你所需的项目数量。
目标不仅限于预测用户下一步会点击或播放什么。Netflix 希望推荐能够满足用户的内容，让他们持续回归并观看更多。这意味着用户播放电影是一个强烈信号，表明其对推荐感兴趣，但并不保证该推荐具备长期价值。
AI 的下一个瓶颈是部署。(赞助内容)
将新模型转化为融入实际客户运营的系统，仍然充满挑战。
这种能力断层催生了一类新型工程师的需求：他们能在代码、用户场景与生产结果之间自如切换。由此，前置部署工程师应运而生。
《2026 前置部署工程师自由劳动力市场现状报告》梳理了围绕这一工作形态形成的新兴人才市场格局。
Netflix 为何寻求新路径
Netflix 早已拥有相当成熟的推荐模型。其生产系统依赖成千上万种特征、表征和专用模型组件。所谓特征，可理解为帮助模型做出预测的输入信号。例如，我们可以告知推荐模型用户近期看了多少部喜剧电影或剧集；也可以告诉模型用户距离上次观看某项内容已过了多久；或者用户看完整部剧的频率有多高。所有这些特征都有助于模型预测用户接下来想看什么。
创建一个新特征，需要明确哪些观测数据至关重要、如何计算其数值，以及如何为训练和预测环节提供这些数据。这就是特征工程。成熟的系统还需要能够解读用户行为序列，例如，用户连续按顺序观看某部剧的多集，与用户先后点开多部互不相关的剧却在一段时间后弃看，二者传达出的信息截然不同。
随着时间推移，这类系统日趋复杂。若想支持新内容类型或新产品界面，就需要添加更多特征，调整模型架构，并开展相应的底层设施建设，还要运行多组实验以确保系统稳定运行。
Netflix 工程团队希望验证一种能力更强的 LLM 能否承担更多这类语义解读工作。与其为每个信号单独做特征工程，系统可以直接用自然语言描述相关行为和影视内容，再训练模型去理解这些描述。
为什么语言模型能派上用场
LLM 在训练过程中学到了大量词语、概念和描述之间的关联。
这意味着它在理解影视内容以及用户与内容的互动上，起点要高得多。举例来说，两部电影可能属于不同类型，但主题相近。LLM 能根据简介捕捉到这种联系，也能理解用户的观影历史和行为。
Netflix 把这种将信息转成文本表达的过程称为 verbalization（语言化）。
不过，通用 LLM 并不是一个好的推荐系统，问题不少：它可能偏向全球热门内容，可能推荐根本不在片库里的作品，也无法实现个性化。正因如此，Netflix 没有采用现成的 LLM，而是让工程团队自研了 GenRec。
GenRec 把 LLM 的语言理解能力与专门训练结合起来，使其能够适配 Netflix 的片库。LLM 为数据解读提供了基础，但 Netflix 还需要教会它什么是好的推荐，并控制它可推荐的范围。
GenRec 的两个训练阶段
Netflix 分两个阶段训练 GenRec，各有不同目标。下面详细看看这两个阶段。
阶段一：构建理解 Netflix 业务的基础模型
这一阶段旨在让 GenRec 熟悉业务领域。团队让模型学习和解读与 Netflix 相关的信息，之后才会针对推荐排序这一特定任务进行训练。
Netflix 工程团队从一个开源的 LLM 基础模型入手，并利用 Netflix 的专有数据进行适配。你可以把基础模型理解为一种用途广泛、可支持多种应用场景的模型。完成这一步后，模型便掌握了 Netflix 的内容特征和用户行为。
这个新训练出的模型将成为多条研究线的起点。该模型相当稳定，Netflix 只在部分情
