# 京东广告发布GRAM架构，用大模型知识工程突破推荐瓶颈

- 来源：ginobefun (@hongming731)
- 发布时间：2026-04-30 20:06
- AIHOT 分数：51
- AIHOT 链接：https://aihot.virxact.com/items/cmolfzn4302tcslc5uqha04tr
- 原文链接：https://x.com/hongming731/status/2049822795128066207

## 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。

## 正文

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。