Яндекс представил Sona — генеративную модель для рекомендаций
Яндекс разработал Sona — генеративную нейросеть, которая по действиям пользователя определяет, какие треки ему предложить и в каком порядке. Модель протестировали в музыкальных рекомендациях на умных колонках с Алисой.
Для крупных рекомендательных сервисов такой подход пока нетипичен. Обычно подбор контента строится на наборе разных моделей: одни отвечают за поиск подходящих вариантов, другие — за их ранжирование и отдельные этапы обработки. Sona в рамках эксперимента заменила систему из десятков алгоритмов.
Модель обучили с нуля
Разработкой занимались специалисты команды R&D, инженеры Алисы и Яндекс Музыки. Они создали собственную архитектуру Sona и обучили её полностью с нуля на данных Яндекса.
Одной из ключевых задач было научить модель находить подходящие композиции среди миллионов треков, не перебирая весь каталог. Другая задача — определить порядок рекомендаций, чтобы пользователю показывались не просто подходящие, а наиболее уместные в конкретной ситуации треки.
При создании Sona команда также прорабатывала обучение с использованием «учителя» и работу со свежими действиями слушателей. Это должно помочь учитывать изменения в интересах пользователя и быстрее реагировать на его новые действия. Подробности этих механизмов Яндекс рассматривает как часть описания новой архитектуры.
Результаты A/B-теста
Эффективность Sona проверили в A/B-тесте музыкальных рекомендаций на умных колонках с Алисой. По сравнению с контрольной группой общее время прослушивания выросло на 6,30%, а количество лайков увеличилось на 11,42%.
Полученные результаты показывают, что единая генеративная модель может конкурировать с комплексом специализированных алгоритмов в задачах рекомендаций. При этом перед широким внедрением Sona Яндексу ещё предстоит проверить её работу в других сценариях и оценить устойчивость результатов за пределами проведённого эксперимента.
