剛剛 X 開源了 的最新的內容推薦算法，泵泵交叉使用多個 AI 閱讀了整份代碼，爲你總結出一份解讀報告：
1️⃣ 核心變革：從 “規則驅動” 到 “端到端 AI 驅動”
這是本次更新最本質的變化，X 徹底拋棄了舊版算法中，複雜的 “人治” 邏輯，轉向了 “自治” 的 AI 模式
➤ 完全基於 Grok Transformer：
排名模型直接使用 xAI 同源的 Grok-1 模型，並針對推薦場景進行了專門適配
➤ 消除所有人工規則：
刪除了所有手工設計的特徵工程，和絕大多數啓發式規則。
不再依賴工程師定義的 “視頻權重大於圖片” 這類規則，而是完全依賴模型，通過用戶的歷史互動（點贊、回覆、轉發）自動學習內容的相關性。
➤ 純 ML 驅動的極簡架構：
整個推薦系統的數據管道和服務複雜度大幅降低，迴歸到純粹的數學計算。
2️⃣ 採用全新的內容過濾模型
新架構採用經典的 “內容收集 -> 粗過濾 -> 精過濾” 漏斗模型
時間線上內容的兩大候選來源：
➤ Thunder ：你關注的用戶生產的內容
使用實時內存，極速獲取用戶已關注賬號的最新推文，毫秒級響應，不查外部數據庫，直接基於流數據處理
➤ Phoenix：內容發現，尋找用戶可能感興趣的內容
負責發現用戶未關注但可能感興趣的內容，採用 雙塔模型 (Two-Tower Model) 進行向量檢索。通過向量相似度搜索，從全局海量推文中檢索出 Top-K 候選
3️⃣ 核心排名機制：決定你能看到什麼內容
這是整個系統的大腦，位於 Phoenix 組件中：
多動作概率預測 (Multi-Action Prediction)：模型不再輸出單一的“相關性分數”，而是預測用戶對該推文產生各種行爲的概率矩陣：
- P(Like) (點贊)
- P(Reply) (回覆)
- P(Repost) (轉發)
- P(Click) (點擊)
- P(Block/Report) (屏蔽/舉報 - 負向)
系統通過加權求和計算最終分，正向行爲加分，負向行爲（如屏蔽、不感興趣）大幅減分，以此精準反映用戶偏好
--------------
👉 總結一下這次更新：
完全的 AI 驅動，這意味着，你會越來越難看到自己不喜歡的內容，時間線上會看到越來越多你喜歡的內容，投喂越來越精準
➤ 對普通用戶：成癮性增加，信息繭房加深
以前你刷推特是爲了看 “關注的人說了什麼”，以後你刷推特是爲了“看點有意思的”。
Grok 會極度敏銳地捕捉你的潛意識喜好（比如你在一張貓圖上停留了 2 秒，下一刷可能就是 5 張貓圖），這與 TikTok 的“多巴胺循環”機制如出一轍
➤ 對創作者：粉絲量貶值，內容爲王
在舊算法中，你有一百萬粉絲，發的推文就有基礎曝光。
在新算法中，每一次發推都是一次獨立的“賽馬”，如果你的內容質量差，哪怕有一千萬粉絲，Grok 預測用戶不會互動，就不會給流量。
但是 X 的新算法對小號更加友好，只要內容能觸發高互動概率，Grok 就會將其推向全網，不論你是不是大 V，有多少粉絲，有助於快速起號。
Tiktok 化不可避，這次更新對於 X 上的內容創作者影響還是挺深遠的。
或許不是「幣圈」內容被針對了，而是算法編織信息繭房越來越牢固，小衆的信息會變得越來越小衆。
適應變局吧，或許內容垂直的 #币安广场 也是一個不錯的選擇。
