#recommendation-systems

How Netflix Taught an LLM to Recommend Movies So That You Keep Watching

Netflix đã phát triển hệ thống GenRec để tăng thời gian xem phim của người dùng. …

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.

Ten from the weekend 10/03: A few interesting reads that I came across

Bài tổng hợp 10 bài đọc thú vị về blockchain, ML-AI, data science, eSports, CRISPR và design thinking. Các bài viết tập trung vào ứng dụng thực tế của công nghệ blockchain trong hệ thống quản lý, cũng như tiến bộ trong machine learning và CRISPR. Tác giả chia sẻ công cụ hữu ích như Poteto cho developers và framework mới cho data science. Bài tổng hợp cung cấp cái nhìn đa ngành, phù hợp cho lập trình viên muốn mở rộng hiểu biết sang lĩnh vực sinh học và thiết kế.

Bài viết tổng hợp những bài đọc thú vị về nhiều lĩnh vực công nghệ tiên tiến giúp lập trình viên mở rộng kiến thức và góc nhìn chuyên môn.

Modernizing Table Batched Embeddings with FBTriton – PyTorch

Meta giới thiệu FBTriton, phiên bản viết lại Triton cho Table Batched Embedding dùng trong hệ thống gợi ý trên nhiều GPU sharded. Việc tối ưu hóa này thiết kế hai path cho forward (generic gather và specialized tensor-core) và ba backward path exploit tính năng Blackwell như CLC work-stealing và TMA bulk atomic. Trên GB200 với 307 cấu hình shard, FBTriton đạt tốc độ forward trung bình cao hơn 1.28x so với CUDA cũ, đạt 3,948 GB/s trong một số trường hợp nhờ tránh đồng bộ hóa cooperative-CTA không cần thiết. Lợi ích lớn nhất là việc sửa lỗi chỉ cần thay đổi config chứ không cần cấu trúc lại CUDA template, và kernel Python đơn giản tạo cơ hội fusion giữa forward/backward.

FBTriton giúp lập trình viên tối ưu hóa tốc độ embedding lookup trên GPU sharded và đơn giản hóa bảo trì kernel với thiết kế Python linh hoạt.

Real-Time Retail Intelligence: Building E-Commerce Recommendations with Lakebase and AI Search on Databricks

Bài viết hướng dẫn kiến trúc hệ thống đề xuất và xếp hạng sản phẩm trên Databricks cho thương mại điện tử. Hệ thống tích hợp xử lý clickstream theo thời gian thực với Zerobus, đánh giá đa giai đoạn bằng Model Serving và phản hồi cá nhân hóa dưới 50ms nhờ Lakebase và AI Search. Nguyên nhân kỹ thuật là việc kết hợp các thành phần này giúp đạt hiệu suất cao trong xử lý dữ liệu và đề xuất. Điều đáng học là cách thiết kế hệ thống có khả năng mở rộng, xử lý lượng lớn dữ liệu người dùng và đưa ra đề xuất nhanh chóng cho trải nghiệm mua sắm tối ưu.

Bài này hướng dẫn bạn xây dựng hệ thống đề xuất và xếp hạng thời gian thực hiệu suất cao với độ trễ dưới 50ms bằng Lakebase và AI Search trên Databricks.

How Albertsons Companies is reimagining retail from the inside out

Albertsons Cos. is using ChatGPT Enterprise and the OpenAI API to help teams work faster and make grocery shopping easier for millions of customers.

Bootstrapping Conversational Recommendation Agents at Spotify: Synthetic Data Generation and Self-Improvement Loops

Imagine asking Spotify to “play some fresh indie soul I might like” and then, mid-session, saying “I love this song, tell me more about this artist.” Conversational recommendation agents make interactions like this possible: users can express what they want in natural language, then follow up, refine, or change their requests as the conversation unfolds.

YouTube will let you build your own algorithm with AI

ouTube’s new custom feeds let users describe the videos they want to see in their own words, then use Gemini to build a personalized feed around the request.

Spotify’s is giving you the keys to its recommendation algorithm with US launch of ‘Taste Profile’

Spotify đang triển khai Taste Profile cho người dùng Premium tại thị trường Mỹ, cho phép người dùng hiểu cách nền tảng phân tích sở thích âm nhạc của họ. Công nghệ này sử dụng NLP (Natural Language Processing) để người dùng có thể điều chỉnh đề xuất bằng ngôn ngữ tự nhiên. Khoảng 30% người dùng thử nghiệm đã điều chỉnh profile nghe nhạc ít nhất một tuần một lần. Điều đáng học là Spotify đang tạo ra cơ chế minh bạch hóa thuật toán, biến người dùng từ đối tượng bị động thành người chủ động định hình trải nghiệm nghe nhạc cá nhân.

Bài viết này giúp bạn hiểu cách Spotify phân tích sở thích âm nhạc và tùy chỉnh trải nghiệm nghe theo ý muốn.

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.

Boosting Search by Stock

Boosting Search by Stock A popular sofa had five units left in the warehouse. By any normal accounting, that’s “in stock” — the listing page said so, the relevance model gave it full weight …

How ML Decides the Next Best Action: Building a Recommendation System at Scale

Các hệ thống recommendation tại scale phải xử lý hàng triệu tương tác người dùng mỗi ngày để đưa ra quyết định cá nhân hóa. Các kỹ thuật như collaborative filtering và deep learning models giúp dự đoán hành vi người dùng dựa trên lịch sử click-through rate (CTR) khoảng 1-3%. Hệ thống này kết hợp online learning với reinforcement learning để tối ưu hóa A/B testing và maximize conversion rate. Bài viết chia sẻ cách Facebook sử dụng Prophet để dự báo xu hướng và Apache Kafka để xử lý luồng dữ liệu realtime. Các kỹ thuật xử lý data skew và cold start problem rất đáng học hỏi cho ai xây dựng hệ thống recommendation quy mô lớn.

Bài viết này giúp lập trình viên hiểu cách xây dựng hệ thống đề xuất quy mô lớn từ dữ liệu tương tác thực tế.

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 …

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

LinkedIn đã xây dựng lại hệ thống gợi ý Follows bằng cách thay thế phương pháp heuristic và xếp hạng dựa trên mức độ phổ biến bằng retrieval ngữ nghĩa dựa trên LLM. Hệ thống chuyển đổi profile người dùng và người sáng tạo thành prompt dạng narrative, mã hóa thành embeddings thông qua một bi-encoder được fine-tuned với contrastive learning (InfoNCE loss, LoRA, mixed precision, gradient checkpointing), sử dụng cho cả retrieval offline (FAISS, Ray) và online (Proxima-hosted). Cùng những embeddings này cung cấp cho mô hình xếp hạng L2 downstream qua các projection giảm chiều được học. A/B tests trên production cho thấy tăng tỷ lệ follow có ý nghĩa thống kê, đặc biệt với thành viên mới có lịch sử hoạt động thưa thớt.

Hệ thống đề xuất Follows mới của LinkedIn sử dụng LLM và retrieval-based semantic embedding giúp tăng đáng kể tỷ lệ follow, đặc biệt với thành viên mới.

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

LinkedIn đã phát triển Premium All-in-One, tích hợp công cụ bán hàng, marketing và tuyển dụng cho doanh nghiệp nhỏ. Dựa trên LLM-based inference, hệ thống xây dựng Target Audience graph cho người dùng mới ít hoạt động, kết hợp activity-based signals và network data. Các tính năng chính gồm daily prospect suggestions, trending post discovery qua pipeline filter-then-LLM-score, profile writing assistant và recommended-actions engine. Sau ra mắt, sản phẩm đạt 57% tăng theo dõi hàng tháng và 61% tăng tỷ lệ trả lời tin nhấn prospect.

Bài viết này cung cấp kiến thức thực tế về cách LinkedIn áp dụng LLM để xây dựng giải pháp AI toàn diện, giúp các lập trình viên hiểu cách phát triển và tích hợp AI vào sản phẩm hiệu quả.

The Bait You Took on Your Way Somewhere Else

Môi trường digital hiện nay đang bị ngập tràn bởi content clickbait với tiêu đề giật gân khiến người dùng mất tập trung vào mục đích tìm kiếm gốc. Các nền tảng như Google và Facebook sử dụng thuật toán prioritize content có tỷ lệ CTR (click-through rate) cao bất kể chất lượng thông tin, dẫn đến tình trạng information overload. Hậu quả là người dùng bị kéo vào chu trình infinite scroll với thời gian trung bình 40 phút lãng phí trên các bài viết vô bổ. Bài này phân tích kỹ thuật về cơ chế reinforcement learning trong algorithm recommendation và cho thấy sự đánh đổi giữa engagement metrics và user experience mà các công ty cần cân nhắc.

Bài viết này giúp lập trình viên nhận diện và tránh những cạm bẫy kỹ thuật có thể ảnh hưởng đến hiệu suất làm việc và sự tập trung.

Patreon launches 30 new creator features, including short-form Clips and revamped discovery

Patreon is overhauling how creators get discovered, adding short-form Clips, topic-based communities, and a revamped recommendation system designed to give smaller creators more visibility.

From Model Score to Sales Pitch: The Business Rules Layer

Model score không phải là sales pitch, và Business Rules Layer chính là yếu tố trung gian chuyển đổi điểm số thành lời đề xuất bán hàng hiệu quả.

Bài viết này giúp lập trình viên hiểu cách chuyển đổi kết quả mô hình thành thông tin bán hàng hiệu quả thông qua lớp quy tắc kinh doanh.