揭秘Meta的“好友泡泡”:一个简单功能背后,如何为数十亿人设计社交发现?
Meta工程师分享,一个看似简单的“好友泡泡”功能,背后涉及复杂的机器学习模型和跨平台行为洞察,揭示了大规模社交推荐系统的设计哲学。
Meta Engineering Blog · 2026年5月13日
Meta工程师分享,一个看似简单的“好友泡泡”功能,背后涉及复杂的机器学习模型和跨平台行为洞察,揭示了大规模社交推荐系统的设计哲学。
将语义ID作为词表一部分训练双语LLM,既能推荐商品,又能用自然对话操控推荐结果。
用语义 ID 替代传统随机哈希,让 LLM 直接理解商品信息,实现可对话式推荐。
Meta提出“索引即模型”新范式,将推荐系统所有检索功能整合进单一神经网络,实现吞吐量提升23.7倍和成本效率提升20.9倍。