Stellen Sie sich vor, Ihr Telefon wäre ein magisches, endloses Buffet an Inhalten – Videos, Posts und Stories –, das von einem sehr beschäftigten, unsichtbaren Koch serviert wird. Jahrelang hat dieser Koch im Dunkeln gearbeitet und versucht zu erraten, was Ihnen schmeckt, basierend auf dem, was Sie früher gegessen haben. Wenn Sie vor einem Bild einer Katze verweilt haben, nimmt der Koch an, dass Sie tausend weitere Katzen wollen. Wenn Sie an einem Rezept vorbeigescrollt haben, geht er davon aus, dass Sie Kochen hassen. Dies nennt man „passives Ranking“, und obwohl es gut im Erraten ist, verfehlt es oft das Ziel, weil es Sie nicht hören kann. Es weiß nicht, ob Sie wirklich diese Katze sehen wollten oder ob Sie nur kurz stehen geblieben sind, um sie im Geist zu streicheln.

Vor kurzem ist eine neue Art von Technologie namens Large Language Models (LLMs) angekommen. Betrachten Sie diese als superintelligente, gesprächige Assistenten, die nicht nur verstehen, was Sie klicken, sondern auch, was Sie sagen. Sie können Ihrer Stimme lauschen, Ihre Textnachrichten lesen und die Nuancen Ihrer Stimmung verstehen. Die große Frage für Wissenschaftler, die Empfehlungssysteme entwickeln, lautet: Können wir diesen gesprächigen Assistenten dazu bringen, die Küche zu übernehmen? Können wir den Koch anweisen: „Eigentlich bin ich heute Katzen leid; bring mir ein paar Fakten über den Weltraum“, und den Koch damit dazu bringen, das Menü sofort zu ändern? Dies ist die Herausforderung der „konversationellen Empfehlung“ – der Übergang von einem System, das Ihren Geschmack errät, zu einem, das Ihre Bestellungen hört.

Das „Shape Your Feed“-System: Ein Koch, der zuhört

In ihrer Arbeit stellt ein Forscherteam von Meta ein neues System namens Shape Your Feed (SYF) vor. Sie haben eine digitale Küche gebaut, in der der Koch nicht nur rät, sondern zuhört, lernt und das Menü in Echtzeit basierend auf Ihren direkten Anweisungen anpasst. Anstatt eines passiven Systems, das darauf wartet, dass Sie auf „Nicht gefällt mir“ klicken, ist SYF ein „agentisches“ System – was eine schicke Art ist zu sagen, dass es wie ein intelligenter Assistent agiert, der in Ihrem Namen handeln kann.

Die Forscher fanden heraus, dass sie durch die Kombination einer gesprächigen KI mit einer traditionellen Empfehlungs-Engine einen Feed erschaffen konnten, der sich viel mehr nach Ihrem Feed anfühlt. Sie zeigten, dass das System viel besser darin war, ihnen das Richtige zu zeigen, wenn die Nutzer mit dem System sprechen oder intelligente Schaltflächen verwenden konnten, um genau zu sagen, was sie wollten.

Wie die Magie geschieht: Die Drei-Fluss-Küche

Das SYF-System arbeitet wie ein dreiteiliges Team in einer Küche, wobei jeder eine spezifische Aufgabe hat:

1. Der Wahrnehmungsfluss (Die Ohren und das Gehirn)
Hier hört das System Ihnen zu. Sie könnten tippen: „Ich möchte mehr Kochvideos, aber kein scharfes Essen“, Ihre Stimme nutzen, um zu sagen: „Zeig mir weniger Politik“, oder eine intelligente Schaltfläche drücken, die besagt: „Ich habe dieses Thema satt“. Der Wahrnehmungsfluss nimmt diese unordentlichen, menschlichen Anweisungen und verwandelt sie in ein klares, organisiertes „Semantisches Profil“. Stellen Sie sich das wie den Koch vor, der eine ordentliche Einkaufsliste basierend auf Ihrer etwas wirren Bestellung schreibt. Er erinnert sich an Ihren Verlauf, sodass er, wenn Sie gestern sagten „keine Politik“ und heute „mehr Technik“, die Liste entsprechend aktualisiert. Er geht sogar heimlich los, um neue „Zutaten“ (Videos oder Posts) zu besorgen, die zu Ihrer neuen Liste passen, während Sie noch sprechen.

2. Der Servierfluss (Das Anrichten und Servieren)
Sobald die Liste bereit ist, übernimmt der Servierfluss. Er schaut sich den riesigen Haufen an Inhalten an, den das System normalerweise zeigen würde (den „Candidate Pool“), und beginnt, ihn zu sortieren. Er nutzt die neue Einkaufsliste des Kochs, um:

• Hinzuzufügen: Frische Artikel einzubinden, die Ihren neuen Interessen entsprechen.
• Zu beschneiden: Alles herauszuwerfen, das gegen Ihre Regeln verstößt (wie jene politischen Posts, die Sie verbannt haben).
• Neu zu ordnen: Den Teller so umzuordnen, dass die Dinge, die Sie angefordert haben, ganz oben stehen.
  Entscheidend ist, dass dies super schnell passiert. Das System rät nicht einfach nur; es nutzt eine intelligente Scoring-Meth Methode, um zu entscheiden, wie stark Ihre neue Anfrage die Reihenfolge verändern sollte. Es vermischt Ihre expliziten Bestellungen mit dem üblichen Wissen des Systems darüber, was Sie mögen, um sicherzustellen, dass Sie nicht all Ihre Lieblingsinhalte verlieren, nur weil Sie eine kleine Änderung gewünscht haben.

3. Der Selbstentwicklungsfluss (Der Geschmackstester)
Dies ist der Teil, der das System im Laufe der Zeit schlauer macht. Nachdem das System Ihnen eine Mahlzeit serviert hat, beobachtet es, was Sie tun. Haben Sie das neue Kochvideo gegessen? Haben Sie den Tech-Post weggeworfen? Es nutzt auch ein Team von „Richter“-KIs, um zu prüfen, ob die Entscheidungen des Systems gut waren. Wenn das System einen Fehler gemacht hat, lernt es daraus. Die Forscher nutzten eine Technik namens Direct Preference Optimization (DPO), was so ist, als würde der Koch mit einem strengen Food-Kritiker üben, bis er den Geschmack perfektioniert hat. Diese Schleife stellt sicher, dass das System nicht nur einmalig Befehle befolgt, sondern jedes Mal besser darin wird, sie zu befolgen.

Was sie fanden: Der Beweis liegt im Pudding

Die Forscher haben dies nicht nur gebaut; sie haben es getestet, um zu sehen, ob es tatsächlich funktioniert.

Die Offline-Tests (Die Übungsrunde)
Zuer erst testeten sie das Modul zur „Alignment-Bewertung“ des Systems – den Teil, der entscheidet, ob ein Post zu Ihrer Anfrage passt. Sie verglichen ihr neues System mit älteren Methoden, die lediglich basierend auf ein paar Beispielen rätten.

• Die alte „Few-Shot“-Methode traf etwa 83,84 % der Entscheidungen richtig.
• Ihr neues System, nach dem Training mit den „Richter“-KIs und der Verfeinerung mit echten Nutzerdaten (SFT + DPO), traf 98,85 % der Entscheidungen richtig.
• Es erledigte dies zudem unglaublich schnell und benötigte nur 323 Millisekunden, um eine Liste von Artikeln zu bewerten – schnell genug, damit Ihr Telefon nicht laggt.

Die Online-Tests (Die echte Mahlzeit)
Dann rollten sie SYF über mehrere Monate hinweg an echte Nutzer in den USA und Kanada aus. Sie teilten die Nutzer in zwei Gruppen auf: Eine Gruppe erhielt das alte, statische System, und die andere das neue „Shape Your Feed“-System.

• Nutzer liebten die neuen Kontrollen: Als den Nutzern die Wahl zwischen alten, statischen Schaltflächen und den neuen „Kontextsensitiven Feedback-Pillen“ (intelligenten Schaltflächen, die sich je nach Inhalt ändern) gelassen wurde, entschieden sich 76,02 % der Nutzer für die neuen, smarteren Schaltflächen.
• Weniger Inhalte, die Menschen hassten: Das neue System konnte die Anzahl der Posts, die Nutzer ablehnten oder als „gefällt mir nicht“ markierten, erfolgreich reduzieren. Die Rate der „Beitrag-Ablehnungen“ sank um 1,70 % und die Rate der „Beitrag-Ablehnungen (Dislike)“ um 2,74 %. Das bedeutet, das System war besser darin, das auszufiltern, was die Nutzer nicht wollten.
• Mehr Entdeckung: Nutzer begannen häufiger, neue Interessen zu erkunden, mit einem Anstieg des „Interessen-Konsums“ um 0,16 %. Dies deutet darauf hin, dass das System nicht nur Dinge verborgen hat, sondern den Nutzern geholfen hat, neue Dinge zu finden, die ihnen tatsächlich gefielen.

Was es bedeutet

Die Arbeit zeigt, dass wir uns von Systemen wegbewegen können, die lediglich raten, was wir wollen, basierend auf unseren vergangenen Klicks. Indem wir eine Ebene von KI hinzufügen, die unsere Worte verstehen und auf sie reagieren kann, können wir Feeds erschaffen, die sich persönlicher und weniger frustrierend anfühlen. Die Forscher stellten fest, dass dieser Ansatz in der realen Welt gut funktioniert, die Nutzer zufriedener macht und die Menge an Inhalten reduziert, die sie überspringen müssen.

Die Autoren weisen jedoch vorsichtig darauf hin, dass dieses System darauf angewiesen ist, dass Sie sich zu Wort melden. Wenn Sie dem System nie sagen, was Sie wollen, kehrt es zum alten, passiven Raten zurück. Sie schlagen vor, dass zukünftige Versionen vielleicht noch proaktiver sein müssten – etwa indem sie Fragen stellen, noch bevor Sie selbst merken, dass Ihnen langweilig ist –, um jenen zu helfen, die nicht gerne Feedback geben. Aber für den Moment beweist Shape Your Feed, dass ein Empfehlungssystem, das zuhört, ein System ist, das besser funktioniert.