«Яндекс» представил модель Sona для поиска и ранжирования рекомендаций

«Яндекс» представил Sona — генеративную нейросеть, которая по действиям пользователя определяет, что порекомендовать и в каком порядке. В музыкальных рекомендациях на умных колонках с «Алисой» одна модель заменила продакшен-каскад из более чем 15 генераторов кандидатов, модели предранжирования и финальной модели ранжирования, которые использовали сотни признаков, включая сигналы трансформерной модели Argus.

Для поиска каждому треку заранее присваивается Semantic ID — короткий составной код, который строится с учётом первых 90 секунд записи и метаданных. По истории слушателя Sona генерирует такие коды и сужает поиск, а модуль ранжирования внутри неё оценивает найденные треки и задаёт порядок воспроизведения. Обучалась модель с помощью отдельной большой модели-«учителя»: она год училась на данных о прослушиваниях, пропусках, лайках и дизлайках, а её оценки стали примерами для Sona. При работе сервиса «учитель» не используется.

A/B-тест шёл семь дней, пользователей случайно разделили на две группы по 15% аудитории. По сравнению с контрольной группой общее время прослушивания выросло на 6,30%, число лайков — на 11,42%, активная аудитория — на 4,53% (основная метрика). Рост активной аудитории в 2,35 раза превысил прирост, который ранее дал Argus.

Сервис получает обновлённую версию Sona каждые 10 минут. Путь от действия слушателя до работающей версии, которая его учла, занимает 45 минут по медиане и не больше часа в 99% случаев. Перед широким внедрением «Яндексу» предстоит проверить, сохраняется ли результат на протяжении нескольких месяцев, испытать модель в других сценариях и опробовать подход в Яндекс Рекламе.