LLM-система Shape Your Feed позволяет управлять лентой с помощью текста и голоса
Современные рекомендательные системы, как правило, пассивно оценивают поведение пользователя — клики, время просмотра — и не дают возможности напрямую влиять на ленту. В новом исследовании на arXiv представлена система Shape Your Feed (SYF), которая меняет этот подход, позволяя пользователю управлять рекомендациями в реальном времени через естественный язык.
Архитектура SYF состоит из трёх уровней. Модуль восприятия захватывает намерения пользователя из текстовых команд, голосовых запросов и взаимодействий с интерфейсом. Сервисный модуль проводит переранжирование и фильтрацию кандидатов на основе семантического профиля, который постоянно обновляется. Третий модуль отвечает за самообучение системы: она корректирует своё поведение на основе оценок пользователей с помощью метода Direct Preference Optimization (DPO) и ансамбля LLM-судей.
В офлайн-экспериментах модуль согласования показал точность 98,85%, что значительно превосходит сильные базовые модели с несколькими примерами. Это говорит о том, что система способна точно улавливать сложные и тонкие предпочтения, которые трудно выразить традиционными сигналами поведения.
Практическую ценность подтвердили крупномасштабные A/B-тесты на реальном трафике. Они показали улучшение релевантности ленты и общего настроения пользователей. По мнению авторов, это открывает путь к созданию интерактивных рекомендательных систем, которыми люди могут управлять напрямую, а не только через неявные клики.
Данная работа особенно актуальна на фоне перехода от пассивных алгоритмов к диалоговым и агентным интерфейсам. Возможность формулировать запрос словами и получать соответствующий контент может изменить стандарты взаимодействия с новостными лентами, видеосервисами и маркетплейсами.
Пока система представлена как исследовательский проект, однако авторы отмечают её практическую масштабируемость для промышленного использования. Дальнейшее развитие, вероятно, будет связано с расширением сценариев мультимодального ввода и улучшением самообучения на основе обратной связи.
