From User Sequences to Scaling Laws: A Multi-Stage Architecture for Meta’s Ads Ranking

Google Maps Killed The Restaurant Star

Nhà nghiên cứu Lauren Leek phát hiện thuật toán xếp hạng nhà hàng của Google Maps ưu tiên chuỗi cửa hàng, địa điểm đông khách và các vị trí được trả phí, khiến những quán mới hoặc ít tên tuổi khó nổi bật. Cô xây dựng bảng điều khiển công khai sử dụng machine learning để khám phá những quán ẩn mình có chất lượng vượt trội.

Những lập trình viên muốn hiểu cách hệ thống xếp hạng tự động của Google Maps hoạt động, từ đó tìm cách cải thiện hoặc phân tích các cơ chế xếp hạng trong các ứng dụng tương tự để tạo ra giải pháp công bằng và hiệu quả hơn.

How to Fight Clickbait: Meta, LinkedIn & YouTube Case Studies

Để ngăn chặn hiệu quả nội dung clickbait, các nền tảng như Meta, LinkedIn và YouTube cần điều chỉnh thuật toán, ưu tiên chất lượng nội dung thay vì lượt tương tác bề ngoài, đồng thời tăng cường cơ chế giám sát và xử phạt vi phạm.

Một lập trình viên nên đọc bài này để hiểu cách các nền tảng xã hội (Meta, LinkedIn, YouTube) áp dụng thuật toán và chính sách AI để chống lại nội dung nhồi nhét nhấp chuột, từ đó tìm hiểu cách xây dựng hệ thống phát hiện và ngăn chặn hành vi này hiệu quả hơn trong các dự án của mình.

Rebuilding LinkedIn’s Follows Recommendations with LLM-Based Semantic Retrieval and Ranking

LinkedIn rebuilt its Follows Recommendation system, replacing heuristic candidate generation and popularity-driven ranking with LLM-based semantic retrieval. Member and creator profiles are converted into narrative prompts, encoded into embeddings via a fine-tuned bi-encoder trained with contrastive learning (InfoNCE loss, LoRA, mixed precision, gradient checkpointing), and used for both offline (FAISS, Ray) and online (Proxima-hosted) retrieval. The same embeddings feed the downstream L2 ranking model via learned dimensionality-reduction projections. Production A/B tests showed statistically significant follow-rate lifts, especially for new members with sparse activity history.

Disney+ and ESPN are testing AI-powered search that lets users describe what they want in plain language

Disney+ và ESPN đang thử nghiệm tính năng tìm kiếm bằng AI, cho phép người dùng nhập mô tả bằng ngôn ngữ tự nhiên. ESPN trả lời các câu hỏi thể thao dựa trên dữ liệu hàng thập kỷ, trong khi Disney+ đề xuất nội dung theo tâm trạng thay vì chỉ lịch sử xem.

Lập trình viên nên đọc bài này để hiểu cách AI ứng dụng trong các nền tảng tiêu dùng hàng ngày, từ đó tìm hiểu về cơ sở dữ liệu lớn, xử lý ngôn ngữ tự nhiên và tích hợp hệ thống để tạo ra những giải pháp tương tác thông minh trong tương lai.

Checkers answers Pick n Pay in the grocery AI race

Sixty60 đã bổ sung khả năng trò chuyện cho trợ lý ảo Pixie, khắc phục điểm yếu trước đây so với Penny của Pick n Pay.

Lập trình viên nên đọc bài này để hiểu cách AI hiện đại xử lý giao tiếp tự nhiên như thế nào, từ đó tìm hiểu về những kỹ thuật tiên tiến trong xử lý ngôn ngữ và ứng dụng thực tế trong các ứng dụng thương mại tự động hóa.

Steam Quietly Made a Huge Discoverability Change for Indie Games

Valve đã cá nhân hóa grid Discounts & Events trên Steam, biến một nguồn truy cập trước đây không đáng kể thành hàng nghìn lượt truy cập trang hàng tháng cho một số tự game nhỏ. Sự thay đổi này được phát hiện khi các nhà phát hiện thấy lượng truy cập tăng đột biến từ section này mà không có chiến dịch marketing nào. Cụ thể, một tự game indie có thể nhận thêm 3000-5000 lượt truy cập từ grid này mỗi tháng sau khi Steam triển khai tính năng cá nhân hóa. Điều này cho thấy thuật toán recommendation system của Steam đang ngày càng quan trọng cho việc tiếp cận game indie với audience rộng hơn.

Valve đã thay đổi cách hiển thị ưu đãi và sự kiện trên Steam, giúp các trò chơi indie nhỏ nhận được nhiều lượt truy cập hơn nhờ cá nhân hóa hiển thị.

Building LinkedIn Premium All‑in‑One: Unified AI‑Powered Workflows for Small Businesses

LinkedIn's engineering team describes how they built Premium All-in-One, a unified product bringing sales, marketing, and hiring tools together for small business owners. The system uses LLM-based inference to build a Target Audience graph for new subscribers with little activity history, combining activity-based signals, LLM-based inference, and implicit signals from buyer/seller network data. Features include daily prospect suggestions, trending post discovery via a two-stage filter-then-LLM-score pipeline, a profile writing assistant, and a recommended-actions engine. The team emphasizes cross-organization collaboration, ramp discipline, and reusable AI foundations, reporting strong post-launch metrics including a 57% increase in monthly followers and 61% increase in prospect message replies.

I am a designer learning about AI: How does a single vector determine what Netflix shows you next?

I am a designer learning about AI: How does a single vector determine what Netflix shows you next? Vectors didn’t click for me until i stopped thinking like a programmer and started thinking like a …