Resumen Técnico: Shape Your Feed (SYF)

Declaración del Problema

Los sistemas de recomendación industriales actualmente dependen de un paradigma de clasificación pasivo, infiriendo las preferencias del usuario exclusivamente a partir de señales conductuales implícitas (p. ej., clics, tiempo de permanencia). Este enfoque crea una discrepancia persistente entre los intereses explícitos de un usuario y el contenido entregado por los algoritmos. Los usuarios carecen de la capacidad de expresar intereses matizados, explicar por qué surge cierto contenido o dirigir su feed en tiempo real. Además, los Sistemas de Recomendación Conversacional (CRS) existentes a menudo fallan en entornos de feeds de alto rendimiento porque asumen catálogos estáticos, luchan con la consistencia en múltiples turnos y carecen de mecanismos para vincular estrechamente la intención generativa con un inventario de producción sin alucinaciones.

Metodología: El Marco de Trabajo SYF

Los autores proponen Shape Your Feed (SYF), un sistema de agentes basado en LLM diseñado para permitir la co-curación de contenido multimodal en tiempo real. SYF opera a través de una arquitectura de tres niveles que unifica la comprensión del lenguaje natural con flujos de clasificación de grado de producción:

1. Flujo de Percepción (Perception Flow)

Este módulo captura la intención del usuario de forma detallada a partir de entradas multimodales no estructuradas (prompts de texto, comandos de voz e interacciones de la interfaz de usuario como "Píldoras de Retroalimentación Conscientes del Contexto").

• Mecanismo: Un orquestador analiza las consultas del usuario y las dirige a una Cadena de Herramientas de Recomendación.
• Componentes Clave:
  • Detección de Intención: Desambigua las motivaciones conductuales subyacentes.
  • Síntesis de Preferencias: Actualiza un Perfil Semántico ($S_t$) persistente realizando deduplicación, fortalecimiento, resolución de conflictos y expansión semántica basada en el historial del usuario y su entrada actual.
  • Abastecimiento de Candidatos: Recupera de forma asíncrona elementos de inventario relevantes basados en nuevos intereses positivos, desacoplando la latencia de recuperación del camino de servicio en tiempo real.
• Salida: Un Perfil Semántico estructurado y una Trayectoria de Intención ($T_t$) actualizada.

2. Flujo de Servicio (Serving Flow)

Este flujo ejecuta la re-clasificación y poda agéntica en tiempo real, fundamentando el razonamiento del LLM en el inventario real de la plataforma.

• Generación de Contexto: Traduce las señales de clasificación numérica y el Perfil Semántico en un prompt de lenguaje natural ($P_{align}$) interpretable por el LLM.
• Refinamiento Agéntico: El sistema realiza un refinamiento de cuatro pasos sobre el conjunto de candidatos:
  1. Aumentación: Fusiona los candidatos de producción con los elementos recuperados del Caché de Candidatos.
  2. Puntuación de Alineación: Utiliza un LLM para puntuar la lista de candidatos frente al perfil del usuario, asignando puntuaciones positivas para coincidencias y negativas para conflictos.
  3. Poda: Filtra estrictamente los candidatos que puntúan por debajo de un umbral $\tau$, aplicando instantáneamente la retroalimentación negativa.
  4. Re-clasificación: Mezcla la puntuación de alineación semántica con la puntuación de interacción base de producción ($\hat{y}_{u,v}$) utilizando un peso de fusión $\alpha$.
• Justificación: Genera explicaciones en lenguaje natural para los elementos principales para mejorar la transparencia.

3. Flujo de Evolución Propia (Self-Evolution Flow)

Este módulo establece un sistema de optimización de bucle cerrado para alinear el comportamiento del agente con el juicio humano.

• Alineación de Política de Doble Retroalimentación:
  • Ajuste Fino Supervisado (SFT): Entrena el modelo de puntuación de alineación utilizando etiquetas generadas por un ensamble de LLM-como-Juez (p. ej., modelos de código abierto como Llama 4 Maverick o Qwen3-VL) para manejar la retroalimentación explícita dispersa.
  • Optimización de Preferencias Directas (DPO): Refina el modelo utilizando la retroalimentación conductual real del usuario (p. ej., clics en "Mostrar menos") para endurecer iterativamente los límites de preferencia sin modelos de recompensa separados.
• Propagación de Agente a Producción: Destila conocimientos semánticos de alto nivel del agente hacia el clasificador de producción base ($f_\theta$) para mejorar las características de recuperación y clasificación a lo largo del tiempo.

Contribuciones Clave

1. Arquitectura del Sistema: Un marco agéntico escalable que combina la comprensión de la intención basada en LLM con memoria estructurada y persistente y flujos de clasificación compatibles con la producción, permitiendo un comportamiento de múltiples turnos estable y respuestas fundamentadas en el catálogo.
2. Supervisión de Preferencias Multimodal: Un enfoque unificado para integrar controles de texto, voz e interfaz de usuario en un estado de preferencia consistente, mejorando la personalización y la agencia del usuario.
3. Validación Empírica: Evaluaciones exhaustivas offline y online que demuestran que SYF mejora la relevancia del feed y reduce la retroalimentación negativa, ofreciendo un camino práctico para la recomendación interactiva en entornos industriales.

Resultados

Evaluación Offline

• Precisión de Alineación: El módulo de puntuación de alineación alcanzó un 98.85% de precisión (SFT + DPO), superando significativamente a los baselines de pocos disparos (few-shot) con un 83.84% y a las señales de clasificación convencionales ($P(CSL)$, $P(CSM)$), que mostraron una discriminación insignificante entre contenido coincidente y no coincidente.
• Eficiencia: El sistema mantiene una baja latencia (323ms para la puntuación), ajustándose a las restricciones de producción.
• Selección de Modelo: Se seleccionó Llama 3 8B como el equilibrio óptimo entre capacidad de razonamiento y latencia de inferencia, superando a modelos más pequeños (1B) y evitando los costos prohibitivos de modelos más grandes (70B).

Pruebas A/B Online

Realizadas en tráfico de producción real (EE. UU./Canadá, 18+), el sistema SYF demostró:

• Control del Usuario Mejorado: Los usuarios seleccionaron las Píldoras de Retroalimentación Conscientes del Contexto el 76.02% de las veces, en comparación con el 23.98% de las píldoras estáticas, lo que indica una alineación semántica superior.
• Reducción de la Retroalimentación Negativa:
  • La Tasa de Descarte Posterior disminuyó un 1.70%.
  • La Tasa de Disgusto Posterior disminuyó un 2.74%.
• Mejora en la Exploración de Intereses: Un aumento estadísticamente significativo del 0.16% en el consumo de nuevos intereses, lo que indica que el sistema guía con éxito a los usuarios hacia nuevos dominios.
• Insights de Ablación: La interfaz de retroalimentación (Píldoras) impulsó el volumen de interacción, mientras que el flujo de servicio agéntico subyacente fue necesario para convertir esas señales en mejoras reales de la calidad del feed.

Significado y Reivindicaciones

El artículo afirma que SYF representa un cambio de la personalización pasiva a la co-curación interactiva entre usuario y algoritmo. Al cerrar la brecha entre la intención explícita del usuario y las señales de clasificación implícitas, SYF ofrece un camino con principios hacia una clasificación de feed más transparente y controlable en plataformas sociales a gran escala.

Los autores reconocen una limitación actual: el sistema depende de la entrada explícita del usuario para activar el bucle de personalización activa. En entornos de alto rendimiento donde muchos usuarios son pasivos, el sistema vuelve a la clasificación base para aquellos que no interactúan con los controles de dirección. Se propone un trabajo futuro para abordar esta dispersión mediante la elicitación proactiva de preferencias y el aprendizaje por transferencia para propagar los perfiles inferidos a usuarios de baja señal.

En última instancia, el trabajo valida que la integración del razonamiento agéntico impulsado por LLM en los stacks de recomendación industrial es técnicamente factible y beneficiosa, moviendo el campo hacia sistemas donde los usuarios pueden dirigir activamente su consumo de contenido en tiempo real.