标签
Netflix 用一个名为 GenRec 的 LLM 支持系统替换了其长期使用的推荐算法，该系统以显著更少的训练数据超越了先前的方法，这标志着 AI 驱动产品工程的重大转变。
DMRL 是一种文档介导强化学习框架，通过结构化编辑动作、策略优化和长期奖励预测来优化广告推荐中的技能文档，并在大规模部署中展示了优于基线的性能。
一条推文突出了Audible的书籍推荐功能，该功能根据用户在战争与征服方面的收听历史推荐书籍。
作者详细介绍了构建一个用于书籍推荐的个人AI代理，分享了关于工具合规性、成本管理和反馈循环的经验，使用基于Go的实现。
本文探讨AI日益增强的能力可能如何改变交互范式——AI将根据用户的愿望主动提示，以帮助其实现目标，类似于推荐系统的工作模式。
这篇文章描述了GStack与Claude Code结合使用时，如何通过接受所有推荐来方便地处理单向门问题。
X（Twitter）在 Apache v2 许可证下开源了其“For You”时间线排名算法，揭示了它如何对预测的用户行为（如点赞、回复和停留时间）进行加权，并应用独立的安全和多样性过滤器。
一项新研究发现，虽然TikTok的‘不感兴趣’按钮能有效减少84%的不想要内容，但如果用户不持续提供反馈，算法会逐渐重新引入这些内容。研究人员克隆账户来研究个性化推荐，突显了用户掌控力的局限性。
介绍mimo生成的AI Agent运营后台，专为自媒体设计，用于自动挖掘爆点话题和推荐选题。
本文提出了一种联邦哈希投影潜在因子（FHPLF）模型，该模型将哈希学习集成到联邦学习中，以降低通信成本并增强隐私保护，通过使用二值类梯度矩阵和投影汉明距离来提高准确性和效率。
Netflix混合加权推荐系统设计的详细解析，涵盖规模估算、新用户冷启动策略、行为信号捕捉以及召回率与精确度的平衡。
该文章提出了一种名为“群岛生态算法隔离”的社区治理与算法推荐哲学，旨在通过语义向量免疫阻断、争议话题局部沙盒隔离和私密孤岛非检索机制，解决用户规模增长导致的社区调性稀释问题，实现规模与调性的兼得。
SinkRec引入了一种混合内存-转换架构，通过内存条件门控Delta网络将模式存储与动态建模解耦，以线性时间效率缓解长序列推荐中的语义状态沉没。
马斯克将 X 平台（原 Twitter）的 For You 推荐算法开源至 GitHub，该算法使用 Grok 基 transformer 来预测用户互动偏好。
Cognition 通过 DeepWiki 创建了最新 X 算法的全面文档，指出参与参数权重仍为私有，但最大化停留时间有助于提升帖子。
Elon Musk 宣布，最新的 𝕏 算法（包括由基于 Grok 的 transformer 驱动的 For You 信息流推荐系统）已发布到 GitHub。此次发布包含端到端推理流水线、预训练模型工件，以及用于内容理解和广告的新组件。
埃隆·马斯克的xAI在GitHub上开源了X平台的“为你推荐”算法，揭示了决定内容病毒式传播的代码。本文解析了该代码，并总结了六条走红规则。
埃隆·马斯克表示，X 将开源其推荐算法，以展示透明度并建立用户信任。