建站是什么意思,iis做的网站手机怎么访问,牡丹江最新通知今天,广西新狐网络科技有限公司小红书有几亿用户、每天新增海量图文/视频笔记。怎么才能让每个用户刷到的内容既“懂我”#xff08;符合兴趣#xff09;又“惊喜我”#xff08;发现新东西#xff09;#xff0c;同时还要保证小创作者也有曝光#xff1f;传统推荐方法有点力不从心了。 解决方案#… 小红书有几亿用户、每天新增海量图文/视频笔记。怎么才能让每个用户刷到的内容既“懂我”符合兴趣又“惊喜我”发现新东西同时还要保证小创作者也有曝光传统推荐方法有点力不从心了。 解决方案 引入大语言模型LLM如GPT这类“超级大脑” 和多模态理解能同时看懂文字和图片/视频给推荐系统装上“智慧引擎”让它变得更聪明 关键
传统推荐的“短板”为啥不够用 “看不懂”内容精髓 传统模型主要看标签比如“美妆”、“旅行”和用户历史行为你点过啥赞。它很难真正理解一篇笔记里文字的情感和图片的意境比如“氛围感穿搭”具体是啥感觉。“猜不透”用户心思 只能根据你过去的行为推荐相似的你看过猫视频就使劲推猫。它很难推理你潜在的、没表达出来的兴趣比如你看猫可能也会喜欢萌宠漫画。“冷落”新笔记/新用户 新笔记没人互动系统不知道推给谁冷启动问题新用户没行为记录系统一脸懵“猜你喜欢”猜不准。“困住”用户在信息茧房 一直推你已知爱看的你很难发现新领域比如从美妆跨界到露营。 小红书怎么用大模型LLM升级推荐 升级1让系统“真懂”内容多模态内容理解 怎么懂 训练强大的多模态模型如SigLip它能同时分析 文字 理解笔记标题、正文在说什么语义、情感。图片/视频 识别画面里的物体、场景、风格比如一张照片是“法式慵懒风”还是“日系清新”。 好处 对笔记的理解更精准、更深入不再只看表面标签。能抓住内容的核心价值和氛围感匹配更合适的用户。解决新笔记冷启动 新笔记一发布系统就能通过“看图看字”理解它是什么结合话题/标签圈选快速找到种子用户最可能感兴趣的人推送。效果好再通过Lookalike技术扩散给相似兴趣人群。 升级2让系统“会猜”用户心思用户兴趣推理 怎么猜 用自研的 tomato-7B大模型类似一个推理能力超强的分析师 输入 你的基本信息年龄、性别、城市 已知兴趣历史点赞/收藏的话题、类目。输出 潜在兴趣点 推理过程 置信度有多大把握。 例子 系统知道你 25岁女上海长期爱看“阅读”、“搞笑视频”最近迷上“漫画”模型推理 可能对“新书推荐”感兴趣因为爱阅读。可能对“搞笑漫画”感兴趣因为爱漫画爱搞笑。可能对“美妆技巧”感兴趣25岁女性普遍兴趣。 好处 突破信息茧房 主动推荐你可能感兴趣但从未接触过的内容如推理出的“美妆技巧”、“露营”。丰富推荐多样性 不再只依赖历史行为加入推理出的新兴趣点。 升级3让系统“更会互动”互动目标建模与优化 超长序列建模 记住你很久以前喜欢过什么比如半年前收藏的旅行攻略让推荐更有“历史底蕴”。实时行为捕捉 你刚刚点赞/收藏/划走某个笔记系统秒级感知5分钟内就能调整后续推荐比如你连点3个露营视频马上多推点。多目标平衡 用复杂模型如多目标CGC模型同时优化多个目标不仅要你点CTR还要你看久时长、评论、收藏… 避免只顾点击率推“标题党”。强化学习RL 像训练游戏AI一样训练推荐系统有个“RL Agent”观察你的实时状态兴趣、情绪决定 现在推这个露营笔记用户大概率会喜欢点击/互动吗如果推了且你真互动了下次加大力度推类似内容。如果推了你没反应说明可能推错了减少试探或换个方向。目标是最大化你长期的满意度和互动总量。 小红书推荐的独特“价值观” 平权分发 50%以上流量给千粉以下小创作者 不让大V垄断流量。大模型理解内容价值的能力让小众优质笔记也能被发现不再只靠粉丝量。圈层与社交 用图模型分析“内容-用户-作者”关系形成兴趣“圈层”。让你更容易发现同好比如喜欢同一小众穿搭风格的人促进社区互动。 整体效果更智能、更人性化的推荐 对你 推荐内容更懂你心意甚至猜到你自己都没意识到的兴趣。惊喜感更强能发现更多有趣的新领域。刷到的内容质量更高、更对口。 对创作者 新手有机会优质内容即使粉丝少也能被系统“慧眼识珠”。内容匹配更精准更容易找到目标受众。 对平台 用户停留时间更长、互动更多平台更活跃。社区氛围更好内容多样、创作者生态健康。 小红书给推荐系统装上了“大模型大脑”和“多模态眼睛”让它能真正看懂笔记内涵、猜透你潜在心思、实时调整策略。结果就是你刷到的内容更懂你、更有趣、更惊喜新手创作者也更有机会被看见彻底告别“信息茧房”和“流量垄断”
