Новости 🔥 VK научила рекомендации предугадывать будущие интересы пользователей

[Yana707]

VK представила новую технологию рекомендаций, которая позволяет алгоритмам учитывать не только текущие интересы пользователя, но и то, как сегодняшние рекомендации повлияют на его предпочтения в будущем. Разработка уже применяется для отдельных задач компании и получила признание на международной конференции KDD 2026.​

━━━━━━━━━━━━━━━━━━

Как работают новые рекомендации​

Большинство рекомендательных систем предлагают контент, основываясь на том, что пользователь уже смотрел, слушал или читал. Новый подход VK идет дальше: алгоритмы пытаются оценить, как сегодняшняя рекомендация может изменить интересы человека в дальнейшем.​

Благодаря этому система не просто реагирует на текущие предпочтения, а формирует более долгосрочную стратегию подбора контента.​

━━━━━━━━━━━━━━━━━━

Без полной перестройки существующих систем​

Одним из главных преимуществ разработки стало то, что ее можно внедрить в уже работающие рекомендательные системы без необходимости полностью менять их архитектуру.​

Это позволяет улучшить качество рекомендаций с минимальными затратами ресурсов и без масштабной модернизации инфраструктуры.​

━━━━━━━━━━━━━━━━━━

Что говорят разработчики​

Руководитель отдела исследований AI VK Research Александр Дьяконов отметил, что, несмотря на стремительное развитие больших языковых моделей, классические рекомендательные алгоритмы по-прежнему остаются наиболее эффективным решением для многих сервисов.​

По его словам, исследователям удалось дополнить их механизмом планирования, который учитывает не только текущую рекомендацию, но и ее влияние на дальнейшее взаимодействие пользователя с контентом.​

Такой подход позволяет повысить качество рекомендаций без существенного увеличения вычислительной нагрузки.​

━━━━━━━━━━━━━━━━━━

Первые результаты уже есть​

Новую технологию протестировали на нескольких открытых наборах данных, включая VK-LSVD. Во время испытаний алгоритм показал более высокую точность рекомендаций по сравнению с классическими методами.​

В дальнейшем команда AI VK Research планирует научить систему еще точнее учитывать обратную связь пользователей и адаптировать технологию для более широкого использования в различных сервисах компании.​

━━━━━━━━━━━━━━━━━━

VK продолжает развивать свои технологии​

Развитие искусственного интеллекта остается одним из ключевых направлений для VK. Компания постепенно внедряет новые решения в свои сервисы, стараясь сделать рекомендации более персонализированными и полезными для пользователей без значительного роста затрат на обработку данных.​

Новая разработка показывает, что даже классические алгоритмы можно существенно улучшить, если научить их учитывать не только настоящее, но и возможные интересы пользователя в будущем.​

━━━━━━━━━━━━━━━━━━

Как считаете, готовы ли рекомендательные алгоритмы действительно понимать наши будущие интересы, или такие системы пока все еще слишком часто ошибаются?​

 

[ForumOK]

Идея интересная, но формулировка про “понимать будущие интересы” звучит слишком громко. По сути алгоритм не понимает, а прогнозирует с какой-то вероятностью, как человек отреагирует на цепочку рекомендаций.

Если это реально работает без полной переделки существующих систем, то для крупных платформ это сильный плюс. Обычно именно интеграция в прод мешает даже хорошим исследовательским штукам.

Но тут есть и очевидный риск: если система начнет слишком активно “формировать” вкус пользователя, можно еще сильнее загнать человека в пузырь однотипного контента. Либо наоборот — начнет навязывать то, что выгодно платформе с точки зрения удержания, а не то, что реально полезно пользователю.

Точность на датасетах — это хорошо, но хочется смотреть именно на живые A/B-тесты: удержание, разнообразие рекомендаций, удовлетворенность пользователей, долгосрочный эффект, а не только метрики попадания.

В общем, направление логичное. Ошибаться такие системы еще точно будут, но если они начнут лучше учитывать долгосрочный интерес, а не только сиюминутный клик, это уже шаг вперед.