Awesome-LLM-for-RecSys

一网打尽LLM+推荐系统论文资源，快速跟上前沿

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署开源模型 🍴 复刻 90 🐛 待处理 4 👀 关注 19

GitHub ↗

GitHub 星标 ★ 1568

维护状态较活跃

是否开源开源

定价模式 🏷️完全免费开源项目，完全免费，无付费版本。

项目预览

Awesome-LLM-for-RecSys 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类开源模型

开发团队CHIANGEL

GitHubhttps://github.com/CHIANGEL/Awesome-LLM-for-RecSys

定价模式🏷️完全免费

价格说明开源项目，完全免费，无付费版本。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议MIT

技术栈/模型awesome,large-language-models,llm,llm4rec,llm4rs,recommender-systems,recsys,rs

GitHub 星标★ 1568

上线时间2023-05-22 00:00:00

代码更新2026-10-26

仓库体积3.1 MB

本站数据更新2026-11-09

维护状态较活跃

收录时间2026-08-09

浏览次数4

项目介绍

Awesome-LLM-for-RecSys 是一个聚焦于大语言模型（LLM）在推荐系统中应用的论文与资源集合。它系统梳理了 LLM 用于推荐系统的前沿研究，涵盖用户画像构建、序列推荐、可解释推荐、对话式推荐等多个方向，并整理了相关数据集、工具和开源代码。该项目解决了推荐领域研究者与工程师快速追踪 LLM+推荐交叉领域进展的痛点，提供了结构化的分类导航，帮助用户高效定位所需论文和资源。其核心能力包括按任务类型、模型架构、应用场景等多维度分类，并持续更新来自顶会（如 KDD、SIGIR、WWW）的最新成果。对于希望将 LLM 能力融入推荐系统的开发者，这是一个极具价值的起点和参考索引。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 1568

技术标签

awesome large-language-models llm

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

难度：入门约 5 分钟部署方式：本地安装 6 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

可访问 GitHub 的网络环境
已安装 git 命令行工具（用于克隆仓库）
可阅读 Markdown 的编辑器或浏览器
无需编程语言运行环境（README 未提供代码运行说明）

安装与启动步骤

1克隆仓库到本地

把整个资源列表下载到本地，方便离线浏览和持续更新。README 未提供其他安装方式。
```
git clone https://github.com/CHIANGEL/Awesome-LLM-for-RecSys.git
```
2进入项目目录

克隆完成后进入目录，后续所有浏览操作都在这里进行。
```
cd Awesome-LLM-for-RecSys
```
3打开主 README

README.md 是唯一入口文档，包含论文分类导航。用编辑器或浏览器打开即可阅读。
```
cat README.md
```
4查阅配套综述论文

项目作者发表的综述已被 ACM TOIS 收录，建议先读综述再按分类找论文，效率更高。
5定位最新研究成果

README 特别说明综述归档后，新论文统一更新在 “1.7 Newest Research Work List” 章节。
6跟进持续更新

可定期拉取仓库获取新增论文，或按 README 提示扫码关注作者微信论文笔记。
```
git pull
```