美团发布统一推荐基座大模型MTFM：首次落地外卖多业务精排
美团技术团队宣布在MTGR基础上提出统一推荐基座大模型MTFM，首次实现了外卖多个主要业务场景的统一精排模型。该项成果标志着推荐算法正从单场景专精模型走向大模型驱动的通用基座架构，不仅推动了外卖多业务间的精排能力整合，也为工业级推荐系统的大模型落地实践探索出全新路径。
核心要点
- 基座大模型推出：美团技术团队正式提出统一推荐基座大模型 MTFM（Meituan Foundation Model for Recommendation）。
- 架构承接与演进：MTFM 是在美团此前研发的推荐架构 MTGR 基础之上演进和拓展而来的最新成果。
- 业务统一精排落地：该模型首次实现了美团外卖多个主要业务场景下精排模型的统一构建与应用落地。
- 范式转变意义：标志着推荐系统精排阶段从以往场景孤立、各自建模的模式，迈向基于通用基座大模型统一建模的新阶段。
详细分析
技术演进：从 MTGR 到基座大模型 MTFM
在工业级推荐系统长期发展演进中，美团在精排模型架构上持续深耕。此前，美团技术团队探索并实践了 MTGR 架构，为应对高维稀疏特征与复杂用户行为建模奠定了重要基础。而在 MTGR 的技术积淀之上，美团进一步提出了全新的统一推荐基座大模型——MTFM。
MTFM 的提出，不仅承接了 MTGR 在推荐精排上的建模经验，更将“基座大模型”（Foundation Model）的设计理念深度引入工业推荐领域。不同于单点迭代或微调式改进，MTFM 聚焦于底层基座能力的通用化与泛化表达，旨在构建一套能够贯穿并赋能多个推荐业务环境的通用架构底座。
业务落地：打破孤岛，首次实现外卖多业务统一精排
在美团外卖的实际业务生态中，通常包含多个主要业务场景。在传统技术架构下，不同业务场景由于用户心智、物料特征与展现形式的差异，往往依赖各自独立的精排模型进行定制化训练与部署。这种“一场景一模型”的模式容易形成业务数据与模型能力的孤岛，带来重复维护与迭代成本。
美团 MTFM 在外卖业务落地实践中的关键突破，在于首次实现了外卖多个主要业务场景的精排模型统一。通过构建统一的推荐基座大模型，美团成功将多个不同主要业务的核心精排流程收敛至统一模型架构之下，打破了场景之间的技术隔阂，使模型能够在统一的基座框架内承载并服务多元化的外卖业务形态。
架构突破：推荐系统向统一基座范式迈进
将多个核心业务的精排模型统一为单一基座模型，体现了推荐工程与算法架构的重大升级。在实际落地中，统一模型需要兼顾不同场景下的行为差异与特征分布。美团通过 MTFM 的实践证明，依托基座大模型的表达能力，可以摆脱以往分散建模的局限，让一个统一的基座模型全面覆盖复杂多变的外卖推荐主业务场景。
这一实践展示了推荐大模型在外卖这种高并发、强时效场景中的工业化落地可行性，为工业推荐系统从定制化时代跨越到基座大模型时代树立了标志性范例。
行业影响
美团 MTFM 的发布与落地，对整个推荐系统及 AI 工业应用领域具有深远的参考价值与行业意义：
- 确立推荐基座大模型落地路径：长久以来，自然语言处理和多模态领域率先跑通了 Foundation Model 范式，而推荐系统因特征异构、跨场景差异大等特点，基座大模型的落地门槛极高。美团在外卖场景中首次统一多个主要业务的精排模型，为工业界推荐基座大模型的规模化落地提供了切实可行的范式参考。
- 重塑工业推荐开发与迭代效率：统一精排基座模型的建立，打破了传统多个团队针对不同场景重复造轮子、分别维护专有模型的局面。统一架构使数据经验、算力资源与模型能力得以集中沉淀，显著提升了工程架构的复用率和业务迭代敏捷度。
- 推动推荐算法朝“大一统”方向演化：MTFM 的成功应用，证明了推荐大模型同样具备强大的跨场景泛化与建模能力，或将加速推动电商、内容社区及本地生活等行业对推荐模型通用化、大模型化的探索热潮。
常见问题
什么是美团 MTFM？
MTFM 是美团技术团队在 MTGR 基础上研发的“统一推荐基座大模型”（Meituan Foundation Model for Recommendation），主要用于在外卖等推荐场景中构建通用的精排模型底座。
MTFM 在业务落地中的核心突破是什么？
MTFM 的核心突破在于首次实现了美团外卖多个主要业务场景下精排模型的统一。改变了以往多业务场景各自分立建模的现状，实现了跨场景的统一精排支撑。
MTFM 与 MTGR 之间是什么关系？
MTFM 是基于美团早先的 MTGR 架构演进而来的下一代基座大模型。MTFM 在 MTGR 的基础上进一步突破，将模型能力扩展为能够同时统一承载外卖多个主要业务场景的推荐基座大模型。
