就在刚刚，马斯克正式宣布开源 𝕏（原 Twitter）平台的推荐算法代码。
马斯克在开源后表示：
我们知道这个算法很笨，需要大幅改进，但至少你可以看到我们实时且透明地努力让它变得更好。没有其他社交媒体公司这样做。
根据开源文档显示，新的推荐系统最核心的设计决策是「零人工特征工程」。
具体来说，𝕏 摒弃了传统推荐系统中大量依赖人工编写规则和启发式算法的做法，完全依赖基于 Grok 的 Transformer 模型。
系统不再主观定义什么是好内容，而是让模型通过学习用户的交互历史（点赞、回复、转发等）来自动判断相关性。
上下滑动查看系统架构
具体到用户的「For You」时间线生成流程，主要分为「召回」与「评分」两个关键阶段。
在第一阶段的「召回」环节，内容首先来自两大源头：代号为「Thunder」的内部网络系统负责毫秒级检索用户关注账号的最新动态。
而代号为「Phoenix Retrieval」的外部网络系统则利用机器学习在全球语料库中挖掘用户未关注但可能感兴趣的潜在内容。
随后，这些通过海选、被成功「召回」的海量候选帖子，会被送入第二阶段的核心——Phoenix 评分器。
这是一个基于 Grok-1 修改版的大模型，它不依赖预设标签，而是通过「注意力机制」直接预测用户对某条帖子做出特定动作的概率，既包括点赞、回复、点击等正面行为，也涵盖拉黑、不感兴趣等负面反馈。
当模型计算出概率后，最终决定帖子能否出现在用户屏幕上的，是一套严密的加权计算公式。
系统会将模型预测出的各种动作概率乘以相应的权重——例如点赞和转发带来正收益，而拉黑和举报则导致负分——最后加总得出最终得分，高分者优先展示。
为了保障阅读体验与安全，系统在评分前后均设有严密的「过滤器」：评分前会移除重复、已读或来自拉黑账号的内容；评分后则会进行可见性过滤，剔除已删除或违规信息，并引入「作者多样性」机制，防止同一创作者的内容连续刷屏。
目前的开源版本包含核心推荐逻辑、Rust 编写的候选处理管道以及详细的架构文档。
值得一提的是，这仅仅是一个开始，马斯克此前还承诺，未来将根据社区反馈持续优化，并坚持每四周一次的开源更新节奏，附带全面的开发者说明，以帮助用户了解发生了哪些变化。
附 Github 开源地址：
更多文库内容嘀嗒文库搜搜索www.didaidea.com
