Agora mesmo, Musk tornou público o código-fonte do algoritmo de recomendação da plataforma .
Acaba de anunciar oficialmente a abertura do código-fonte do algoritmo de recomendação da plataforma Twitter.
Entretanto, a equipe de engenharia da XEng confirmou que o novo algoritmo concluiu sua reconstrução subjacente e adotou integralmente a mesma arquitetura Transformer do modelo Grok da xAI. Isso também torna a XEng a primeira plataforma social convencional a tornar sua lógica central de distribuição de tráfego completamente transparente.
Musk declarou após disponibilizar o conteúdo como código aberto:
"Sabemos que este algoritmo é falho e precisa de melhorias significativas, mas pelo menos você pode nos ver trabalhando de forma transparente e em tempo real para aprimorá-lo. Nenhuma outra empresa de mídia social faz isso."
De acordo com a documentação de código aberto, a principal decisão de projeto do novo sistema de recomendação é "zero intervenção humana".
Especificamente, o abandona a dependência do sistema de recomendação tradicional em regras escritas manualmente e algoritmos heurísticos, e se baseia inteiramente no modelo Transformer baseado em Grok.
O sistema não define mais subjetivamente o que constitui um bom conteúdo; em vez disso, permite que o modelo determine automaticamente a relevância, aprendendo com o histórico de interação dos usuários (curtidas, respostas, compartilhamentos etc.).
Especificamente, o processo de geração da linha do tempo "Para Você" de um usuário é dividido principalmente em duas etapas principais: "recordação" e "avaliação".
Na primeira fase do processo de "recuperação", o conteúdo inicialmente provinha de duas fontes: um sistema de rede interno com o codinome "Thunder" era responsável por recuperar as atualizações mais recentes das contas seguidas pelos usuários em milissegundos.
O sistema de rede externa, com o codinome "Phoenix Retrieval", utiliza aprendizado de máquina para extrair conteúdo potencial de um corpus global que pode não interessar aos usuários, mas que poderia interessar a eles. Esse grande número de publicações candidatas, "recuperadas" com sucesso após a triagem inicial, é então enviado ao núcleo da segunda etapa — o avaliador Phoenix.
Este é um modelo complexo baseado em uma versão modificada do Grok-1. Ele não depende de rótulos predefinidos, mas prevê diretamente a probabilidade de um usuário realizar uma ação específica em uma publicação por meio de um "mecanismo de atenção". Isso inclui comportamentos positivos, como curtir, responder e clicar, bem como feedback negativo, como bloquear e não demonstrar interesse.
Uma vez que o modelo calcula a probabilidade, o que determina, em última instância, se uma publicação aparecerá na tela do usuário é uma fórmula rigorosa de cálculo ponderado.
O sistema multiplicará as probabilidades de várias ações previstas pelo modelo pelos seus respectivos pesos — por exemplo, curtir e encaminhar trazem benefícios positivos, enquanto bloquear e denunciar resultam em pontuações negativas — e, por fim, somará tudo para obter a pontuação final, exibindo primeiro as ações com pontuação mais alta.
Para garantir uma boa experiência de leitura e segurança, o sistema possui "filtros" rigorosos antes e depois da avaliação: antes da avaliação, remove conteúdo duplicado, lido ou de contas na lista negra; após a avaliação, realiza uma filtragem de visibilidade para remover informações excluídas ou ilegais e introduz um mecanismo de "diversidade de autores" para evitar que conteúdo do mesmo criador seja exibido continuamente na tela.
A versão atual de código aberto inclui a lógica principal de recomendação, um pipeline de processamento de candidatos escrito em Rust e documentação detalhada da arquitetura.
Vale ressaltar que isso é apenas o começo. Musk já prometeu continuar otimizando a plataforma com base no feedback da comunidade e manter um cronograma de atualizações de código aberto a cada quatro semanas, acompanhado de notas detalhadas para desenvolvedores, a fim de ajudar os usuários a entenderem as mudanças realizadas.
Aqui está o endereço do projeto de código aberto no Github:
https://github.com/xai-org/x-algorithm
#Siga a conta oficial do iFanr no WeChat: iFanr (ID do WeChat: ifanr), onde você encontrará conteúdo ainda mais interessante o mais breve possível.
