🧠 Яндекс запустил новые рекомендации на основе генеративных моделей — ARGUS. Они умеют работать в реальном времени и находить больше товаров или музыкальных треков, которые точно понравятся пользователям. Коротко объясняем, как устроены новые рекомендации и чем они отличаются от старых.

Как было раньше

В основе рекомендательных систем Яндекса, например, той, что используется в Яндекс Музыке с 2023 года, лежит нейросеть-трансформер, способная анализировать длинные неструктурированные последовательности данных и находить в них связи. Она обрабатывает два потока информации:

🔸Обезличенные взаимодействия пользователя с сервисом — клики, лайки, поисковые запросы, дослушивание треков, добавление товаров в корзину и так далее.

🔸Объекты (треки, товары, фильмы), которые могут быть рекомендованы этому пользователю.

Такие нейросети называют «двухбашенными». Они переводят оба потока данных — башни — в одно общее числовое пространство и ищут в нем похожие объекты.

Что изменилось

Исследователи Яндекса предположили, что можно сделать рекомендации более точными, если масштабировать модель (как делают с LLM) и разработать для нее новую архитектуру. Вот что из этого получилось:

🔸Система стала больше: раньше она учитывала лишь около двух тысяч последних действий пользователя, а теперь — более 8000. ARGUS анализирует гораздо более длинную историю взаимодействия с сервисом — это позволяет находить в поведении людей долгосрочные паттерны.

🔸Раньше система учитывала только успешные взаимодействия (лайки, покупки, добавления в плейлист), не имея информации о рекомендациях, которые не понравились или были проигнорированы. ARGUS же учитывает всю рекомендательную историю, включая отрицательное взаимодействие, а также контекст: где, как и в какой момент была сделана подсказка. Так система может точнее предсказать реакцию пользователя на предлагаемые объекты.

🔸Благодаря эффективной архитектуре ARGUS можно запускать в реальном времени, тогда как обычно тяжёлые трансформерные модели проводят расчёты раз в сутки.

Это работает?

Да, ARGUS заметно улучшает качество рекомендаций. Первой новые алгоритмы внедрила Яндекс Музыка. В результате, в Моей волне пользователи стали на 20% чаще лайкать впервые услышанные треки. А в Яндекс Маркете на 5% выросло количество покупок из рекомендаций в новых для людей категориях. В будущем ARGUS появится и в других сервисах Яндекса, где есть рекомендации.

Подписывайтесь 👉 @techno_yandex

🗺 Как карты из абстрактных изображений мира с чудовищами превратились в удобный городской сервис? Рассказываем самое интересное из истории картографии за три минуты.

Подписывайтесь 👉 @techno_yandex

📖 Anthropic уничтожил миллионы книг ради обучения Claude

На днях суд в США постановил, что Anthropic имел право обучать Claude на легально купленных книгах без отдельного разрешения их авторов. Но в рамках судебного процесса выяснились подробности, как именно проходил этот процесс.

Для сбора данных Anthropic нанял Тома Тёрви — бывшего руководителя Google Books. Его задача была амбициозной: получить «все книги в мире». Компания приобрела несколько миллионов новых и подержанных книг, а затем начался процесс «деструктивного сканирования». У книг срезали переплёты, страницы пропускали через сканер для быстрой оцифровки, а бумажные оригиналы выбрасывали. При этом OpenAI и Microsoft, к примеру, для своих целей сотрудничают с библиотеками и стараются сохранять сканируемые издания.

Как считаете, оправдывает ли технологический прогресс уничтожение книг? Расскажите в комментариях.

Подписывайтесь 👉 @techno_yandex

🤖 Почему роботы иногда пугают?

Эффект зловещей долины — это психологический феномен, при котором человекоподобные машины кажутся страшными и странными. Рассказываем в ролике, как инженеры пытаются обойти эту проблему.

Подписывайтесь 👉 @techno_yandex