马斯克开源X推荐算法：纯AI驱动，透明展示

此刻，GitHub上已能一睹马斯克公开分享的X推荐算法系统全貌。

开源文件中明确指出，这是一个几乎完全由AI模型驱动的算法系统。

我们移除了所有人工设计特征和绝大多数启发式规则。

消息一出，整个社区立刻沸腾，纷纷点赞夸赞：

incredible！没有其他平台能做到如此透明。

马斯克本人也迅速转发了X工程团队的原帖，但一向高调的他在这次却低调表示：

我们知道这个算法很蠢（dumb），需要大幅改进，但至少您可以实时、透明地看到我们为改进它而努力。

其他社交媒体公司都没有这样做。

早在2022年收购X（原Twitter）之前，马斯克就多次批评该平台过于封闭。

自收购后，他也兑现承诺多次公开Twitter核心推荐算法，此次也算是不忘初心。

纯AI驱动的推荐系统，运行机制揭秘！

话不多说，我们来看看这套系统的运作机制。

一句话概括这个系统：基于Grok-1同款Transformer架构打造，通过学习你的历史互动行为来决定推荐内容。

从用户打开“For You”开始，客户端会向服务器发送请求，触发整个算法流程。

系统会首先明确你的身份、近期活动及内容偏好。

为实现这一目标，系统会拉取两类用户信息：

行为序列（Action Sequence）：包括最近的点赞、回复、转发等行为。

属性（Features）：如关注列表、兴趣主题、地理位置等长期属性。

目标是构建真实的“实时用户画像”，而非人工构造特征。

以往工程师可能会假设某些属性重要，手动编写规则计算“用户兴趣得分”。但这只是基于猜想，而非真实反映用户状态。

因此，马斯克的这套算法决定避免预设假设，尽可能多地收集用户真实行为反应，将数据直接喂给模型，让模型从原始数据中学习和发现规律（即“去人工化”和“端到端”）。

获取实时用户画像后，系统会分两条路径筛选可能相关的推文。一是通过熟人圈，即从Thunder模块抓取关注人的最新推文；二是通过外部，利用Phoenix Retrieval模块抓取可能感兴趣的未关注推文。

两类来源的信息会在后续阶段统一对待。此时筛选出的仅是推文ID，需通过Hydration模块补全每条候选推文的信息，包括全文、作者详情等，以便后续评估。

在正式开始计算前，还会通过Filtering模块淘汰明显不符合要求的内容，如重复或过期的帖子、用户自己发布的内容等。

最终，所有候选帖子会逐条送入Phoenix排序模型进行打分。该模型基于Transformer架构，同时接收用户的行为序列与属性信息、单条候选帖子的内容与作者信息。模型会预测用户对某条推文执行各种操作的概率，并按预设权重加权组合形成最终排序分数。

所有候选帖子按最终得分排序后，系统选出Top-K条作为推荐结果。在返回客户端前还会进行最后一轮校验，确保内容符合平台安全规范。

“是的，这算法太烂了”

尽管大家赞赏马斯克开源的姿态，但算法仍存在一些“缺陷”。有网友吐槽：

由于API访问受限且成本高昂，现在屏蔽列表的做法已少见。但算法必须让较旧的屏蔽列表随时间推移而消失，以防被恶意利用。

言下之意是，“被大量用户屏蔽”是一个强负面信号，会直接导致账号降权。但代码中没有看到针对“屏蔽”信号的时间衰减机制。这意味着历史屏蔽记录可能仍在影响账号的推荐分数。

尽管如此，马斯克改变的态度已明确——不仅过去、现在开源，未来还将持续开源，每4周重复一次开源更新。

开源仓库