Meta Jabarkan Cara Kerja Algoritma "Your" di Facebook yang Pakai LLM
Meta menerbitkan penjelasan teknis pada 10 November tentang cara kerja fitur "Your algorithm" di Facebook. Alat ini memungkinkan pengguna mendeskripsikan dengan kata-kata mereka…

Meta menerbitkan penjelasan teknis pada 10 November tentang cara kerja fitur "Your algorithm" di Facebook. Alat ini memungkinkan pengguna mendeskripsikan dengan kata-kata mereka sendiri apa yang ingin mereka lihat di beranda. Menurut Meta, sekumpulan large language model (LLM) menafsirkan, menyimpan, dan melacak preferensi yang dinyatakan pengguna tersebut, lalu menggabungkannya dengan perilaku pengguna untuk menyesuaikan rekomendasi Feed dan Reels.
Unggahan itu mengupas sisi engineering dari fitur yang mulai digulirkan Facebook pada 13 Oktober. Saat peluncuran, Meta menyebutnya sebagai "algoritma yang benar-benar bisa kamu ajak bicara".
Satu Halaman, Dua Daftar
Halaman Your algorithm dibuka dengan "Lately Summary" — ringkasan satu kalimat tentang aktivitas menonton baru-baru ini. Di bawahnya ada dua daftar. "Interested In" terisi otomatis dengan minat yang disimpulkan dari aktivitas masa lalu. "Not Interested In" menampung topik yang ditolak, disembunyikan, atau di-"X" oleh pengguna. Pengguna bisa mengetik minat baru, memindahkan item antar daftar, atau menghapusnya.
Setiap perubahan masuk ke satu store yang dibaca oleh Feed maupun Reels. Meta menyatakan ini memastikan preferensi yang tampil di halaman adalah preferensi yang benar-benar dipakai dalam peringkat (ranking). Pengguna mengakses alat ini lewat menu tiga titik pada postingan.
Bagaimana Model-Model Itu Digunakan
LLM bekerja di beberapa tahap. Satu model membangun profil awal dan menulis ringkasan. Model yang lebih kecil memeriksa setiap editan untuk memastikan topiknya koheren, mendeteksi duplikat, dan memberi nama topik yang bersih. Komponen terpisah menjalankan pemeriksaan integritas dan keamanan.
Agar minat baru tidak mendominasi seluruh isian, sistem merenggangkan postingan yang relevan dan membatasi kontribusi tiap minat per hari. Minat baru mendapat bobot ekstra untuk periode terbatas, setelah itu sinyal engagement yang mengambil alih.
Topik yang diblokir disaring di beberapa lapisan, diakhiri dengan LLM yang di-tuning halus untuk meninjau daftar peringkat final. Meta menemukan bahwa model kecil yang dilatih khusus untuk hanya mengembalikan item yang harus dihapus lebih cepat dan lebih andal daripada model serbaguna yang menilai tiap postingan secara individual. Permintaan untuk melihat lebih sedikit konten buatan AI atau konten sugestif secara seksual memakai sinyal demotion khusus. Menyebut nama seorang kreator akan memfilter langsung postingan kreator tersebut.





