编者寄语
随着大规模预训练语言模型的突破性进展，信息检索与推荐系统领域面临一场深刻的范式转移。传统的搜索与推荐范式，无论是依赖于关键词匹配、向量空间模型，还是基于协同过滤的深度神经网络，其核心可归结为“匹配”与“排序”——即在资源集合中寻找与用户查询或历史行为最相关的项目。然而，这一范式在应对用户的复杂、深层意图以及跨域、综合性知识需求时，常常面临语义鸿沟、可解释性差和交互僵化等根本性挑战。大模型的出现，以其涌现出的强大语义理解、逻辑推理与内容生成能力，为从根本上超越“匹配”范式、重塑搜索与推荐系统的形态提供了全新的技术基座与想象空间。大模型为搜索与推荐系统带来的不仅是性能的提升，更是范式的重构与能力的跃迁。首先，是从“检索-排序”到“理解-生成”的范式演进。其次，是交互方式从“单轮指令”到“对话式探索”的变革。再者，是推荐逻辑从“关联推荐”到“因果与可解释推荐”的深化。
本专辑旨在为领域内学者提供一个高水平交流平台，集中展示在大模型驱动的新一代搜索与推荐系统的理论创新、关键技术突破、系统构建及前瞻性应用方面的最新成果，以期推动该方向的快速发展，共同迎接信息检索与知识服务的新时代。
编委主任：苏金树 CCF会士 军事科学院教授
本期主编：窦志成 CCF大数据专家委员会秘书长 中国人民大学高瓴人工智能学院副院长
