# URM – 阿里妈妈推出的世界知识大模型

- Link: https://paooo.com/aigc-news/20076/
- Published: 2026-06-08T04:44:42+08:00
- Author: Prompt 语宙研究院

⚡ [Prompt](https://paooo.com/ai-image-prompts/) 语宙 AI 导读 · 30 秒核心看点

 * 将通用[大模型](https://paooo.com/ai-study/)知识注入电商推荐，缓解传统LLM在推荐
   场景表现欠佳的问题。
 * 通过ID+文本+图像的多模态融合与Sequence-In-Set-Out机制，实现高效多任务推荐。
 * 已上线阿里妈妈展示广告场景，并通过异步推理链路提升并发QPS 200%。

## URM是什么

URM（Universal Recommendation Model）是阿里妈妈推出的世界知识大模型，基于知识注入
和信息对齐，将LLM的通用知识与电商领域的专业知识相结合，解决传统LLM在电商推荐场景
中表现欠佳的问题。URM引入多模态融合的商品表征和高效的Sequence-In-Set-Out生成方式，
处理多种推荐任务（如多场景推荐、长尾推荐等），显著提升推荐效果。URM已经在阿里妈妈
的展示广告场景中上线，显著提升商家投放效果和消费者购物体验。

阅读目录

 * [URM是什么](https://paooo.com/aigc-news/20076/#urm%e6%98%af%e4%bb%80%e4%b9%88)
 * [URM的主要功能](https://paooo.com/aigc-news/20076/#urm%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd)
 * [URM的技术原理](https://paooo.com/aigc-news/20076/#urm%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86)
 * [URM的项目地址](https://paooo.com/aigc-news/20076/#urm%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80)
 * [URM的应用场景](https://paooo.com/aigc-news/20076/#urm%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af)

![URM](https://paooo.com/wp-content/uploads/2026/06/URM-website-1.avif)

## URM的主要功能

 * **多任务处理**：支持同时处理多种推荐任务，如多场景推荐、多目标推荐、长尾推荐、
   发现性推荐等。
 * **用户兴趣理解**：全面理解用户的兴趣和需求，提供更符合用户当前情境的推荐结果。
 * **高效率推荐**：在单次前向传播中生成高质量的推荐集合，满足工业级推荐系统的低时
   延、高QPS需求。
 * **多模态融合**：结合商品的ID表征和语义表征（如文本、图像等），提升商品的表达能力
   和推荐的准确性。
 * **零样本学习能力**：快速适应新任务和新场景，在没有大量标注数据的情况下提供有效
   的推荐。

## URM的技术原理

 * **多模态融合表征**：
    - **ID表征**：基于分布式哈希表将商品ID映射为独特的嵌入向量，捕捉商品间的协同
      信息。
    - **语义表征**：文本编码器和图像编码器将商品的文本描述和图像信息转换为语义嵌入
      向量。
    - **融合机制**：MLP层将ID表征和语义表征对齐融合，生成多模态商品嵌入向量，提升
      商品的表达能力。
 * **Sequence-In-Set-Out生成方式**：输入序列由用户行为中的商品ID、任务提示中的文本
   token及特殊查询符（如UM、LM）组成。输出机制基于用户建模头（hUM）和语言模型头（
   hLM）分别生成用户表征和文本输出。增加UM token数量，使URM在一次前向传播中并行生成
   多个用户表征，提升召回指标。
 * **任务定义与提示工程**：基于文本来定义不同的推荐任务，将商品ID作为特殊token注入
   文本描述，实现用户行为序列的高效表达。设计不同的提示模板，调整推荐结果的分布，
   让模型根据不同的任务需求和用户行为动态调整推荐策略。
 * **训练方式**：结合商品推荐任务的噪声对比估计（NCE）损失和文本生成任务的负对数
   似然损失。基于完整参数的有监督微调（SFT），仅冻结商品的原始表征，保留LLM的预训练
   知识。
 * **异步推理链路**：为满足低时延、高QPS要求，设计面向用户行为动态捕捉的异步推理
   链路，将推理结果持久化存储，供在线召回阶段读取。基于多instance在同一容器部署，
   将URM推理的并发qps提升200%。

## URM的项目地址

 * **arXiv技术论文**：[https://arxiv.org/pdf/2502.03041](https://arxiv.org/pdf/2502.03041)

## URM的应用场景

 * **多场景推荐**：根据不同页面（如首页、详情页）提供个性化推荐。
 * **多目标推荐**：综合分析用户点击、购买等行为，预测兴趣商品。
 * **长尾商品推荐**：挖掘低频商品的潜在价值，丰富用户选择。
 * **发现性推荐**：推荐用户未曾接触但可能感兴趣的新品类商品。
 * **搜索增强推荐**：结合查询意图和历史行为，提升搜索结果相关性。

❓ 常见问题解答（FAQ）

URM是什么模型？

URM（Universal Recommendation Model）是阿里妈妈推出的世界知识大模型，核心思路是把
LLM的通用知识与电商领域知识结合，用于提升推荐系统在多场景、多目标和长尾推荐中的效果。

URM为什么适合电商推荐？

它针对电商推荐做了知识注入、信息对齐和多模态商品表征，能同时理解用户兴趣、商品语
义与图像信息，并通过高效生成方式满足工业级低时延、高QPS需求。

URM有哪些实际应用场景？

文章提到URM可用于多场景推荐、多目标推荐、长尾商品推荐、发现性推荐和搜索增强推荐，
适合首页、详情页等不同页面的个性化推荐需求。

🔬 语宙深潜追问 · 进阶实操拆解

URM这类模型最适合接管哪些推荐环节？

更适合处理冷启动、跨品类理解和多模态商品表征，尤其是新商品、新商家和稀疏行为场景。
高频排序和实时竞价仍需轻量模型兜底，形成“大模型理解+小模型决策”的混合架构。

零样本适配在投放里怎么落地？

先把商品、用户、场景统一到可共享语义空间，再用少量标注做校准。上线时要监控 CTR、
CVR、GMV 和长周期复购，避免只追短期点击而伤害商家收益与用户体验。

🗳️ 读者观点微投票 · 您的实战立场是？

世界知识大模型会重塑电商推荐吗？

🕸️ 语宙向量知识图谱 · 语义强关联深度内链

[🐋 所属权威专题：DeepSeek 深度实战与部署 →](https://paooo.com/topics/deepseek/)

 * [RecGPT：淘天百亿参数大模型重塑电商推荐，点击量两位数增长背后的AI引擎](https://paooo.com/aigc-news/14579/)
 * [Yuan3.0 Ultra 开源发布：浪潮信息万亿参数多模态大模型，LAEP 算法提速 49%，定义企业级 Agent 引擎](https://paooo.com/aigc-news/11326/)
 * [快手OneRec：颠覆传统推荐！端到端生成式AI系统引爆观看时长与GMV](https://paooo.com/aigc-news/14761/)
 * [U2 – 云知声推出的原生智能体大模型](https://paooo.com/aigc-news/24461/)

[🏛️ Prompt 语宙研究院](https://paooo.com/author/paooo-research/) · Prompt 语宙研究院（
paooo.com Research）专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示
词工程（Prompt Engineering）与全球高增长 AI 生产力工具实测追踪，致力于为中文开发
者与创作者提供一手、可复现的深度技术洞察。

[📄 Markdown 纯净版](https://paooo.com/aigc-news/20076/?format=md)

💡 这篇内容对您有启发吗？

[📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/)

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,800+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)
