AI 摘要
京东广告团队推出GRAM架构,旨在通过大模型原生知识工程解决传统CTR模型的瓶颈。该架构构建了毫秒级查询的级联知识图谱,将商品属性与业务规则作为“事实护栏”注入,以杜绝AI幻觉,确保推荐符合现实。它颠覆了依赖历史数据的冷启动模式,即使零销量新品也能通过知识网络的高维特征关联实现精准分发。同时,GRAM将企业内隐知识结构化作为上下文,使大模型能进行复杂的深度决策,而非仅计算曝光。
当传统的 CTR 模型在流量天花板前陷入瓶颈,京东广告团队公开了 GRAM 架构:放弃修补传统的特征工程,全面转向大模型原生的知识工程。
三大核心价值:
- 构建「事实护栏」治愈幻觉: 摒弃大模型不可控的自由发挥。通过构建 5ms 内极速查询的级联知识图谱,将商品属性、业务规则和通识硬性注入,确保 AI 推荐 100% 契合物理现实与商业规则。
- 彻底颠覆「冷启动」路径: 告别对用户历史点击数据的深度依赖。新商品哪怕是零销量,系统也能通过知识网络的高维映射(如光源、材质、价格段等特征关联),瞬间完成语义对齐与精准分发。
- 从曝光计算走向「深度决策」: 传统特征的高频更新往往会干扰大模型。将企业长年积淀的内隐知识结构化并作为背景上下文输入,能让大模型真正化身资深专家,处理极其复杂的跨品类消费决策。