本記事では、異なるシナリオ（検索、フィード閲覧、コンテンツ発見など）におけるユーザーの興味を統一的にモデル化する新しいアプローチ、RED-Recを提案しています。従来の推薦システムは特定のシナリオ内でのビジネス指標の最適化に重点を置きがちですが、ユーザーの多様な行動パターンを捉えることが難しいという問題があります。RED-Recは、異なるシナリオからの行動を集約し、総合的なアイテムとユーザーモデリングを実現します。このシステムは、LLM（大規模言語モデル）による二塔型フレームワークを基盤にしており、高い展開効率と詳細な意図を提供します。実験では、何百万ものユーザーを対象にA/Bテストを行い、コンテンツ推薦や広告ターゲティングの性能向上を確認しました。また、効果的なオフライン訓練と評価を行うための百万規模の推薦データセットRED-MMUも紹介しています。この研究は、ユーザーモデリングの進歩を促進し、大規模なUGCプラットフォームでの個別化やユーザーエンゲージメントの向上に寄与します。