刚刚 X 开源了 的最新的内容推荐算法，泵泵交叉使用多个 AI 阅读了整份代码，为你总结出一份解读报告：
1️⃣ 核心变革：从 “规则驱动” 到 “端到端 AI 驱动”
这是本次更新最本质的变化，X 彻底抛弃了旧版算法中，复杂的 “人治” 逻辑，转向了 “自治” 的 AI 模式
➤ 完全基于 Grok Transformer：
排名模型直接使用 xAI 同源的 Grok-1 模型，并针对推荐场景进行了专门适配
➤ 消除所有人工规则：
删除了所有手工设计的特征工程，和绝大多数启发式规则。
不再依赖工程师定义的 “视频权重大于图片” 这类规则，而是完全依赖模型，通过用户的历史互动（点赞、回复、转发）自动学习内容的相关性。
➤ 纯 ML 驱动的极简架构：
整个推荐系统的数据管道和服务复杂度大幅降低，回归到纯粹的数学计算。
2️⃣ 采用全新的内容过滤模型
新架构采用经典的 “内容收集 -> 粗过滤 -> 精过滤” 漏斗模型
时间线上内容的两大候选来源：
➤ Thunder ：你关注的用户生产的内容
使用实时内存，极速获取用户已关注账号的最新推文，毫秒级响应，不查外部数据库，直接基于流数据处理
➤ Phoenix：内容发现，寻找用户可能感兴趣的内容
负责发现用户未关注但可能感兴趣的内容，采用 双塔模型 (Two-Tower Model) 进行向量检索。通过向量相似度搜索，从全局海量推文中检索出 Top-K 候选
3️⃣ 核心排名机制：决定你能看到什么内容
这是整个系统的大脑，位于 Phoenix 组件中：
多动作概率预测 (Multi-Action Prediction)：模型不再输出单一的“相关性分数”，而是预测用户对该推文产生各种行为的概率矩阵：
- P(Like) (点赞)
- P(Reply) (回复)
- P(Repost) (转发)
- P(Click) (点击)
- P(Block/Report) (屏蔽/举报 - 负向)
系统通过加权求和计算最终分，正向行为加分，负向行为（如屏蔽、不感兴趣）大幅减分，以此精准反映用户偏好
--------------
👉 总结一下这次更新：
完全的 AI 驱动，这意味着，你会越来越难看到自己不喜欢的内容，时间线上会看到越来越多你喜欢的内容，投喂越来越精准
➤ 对普通用户：成瘾性增加，信息茧房加深
以前你刷推特是为了看 “关注的人说了什么”，以后你刷推特是为了“看点有意思的”。
Grok 会极度敏锐地捕捉你的潜意识喜好（比如你在一张猫图上停留了 2 秒，下一刷可能就是 5 张猫图），这与 TikTok 的“多巴胺循环”机制如出一辙
➤ 对创作者：粉丝量贬值，内容为王
在旧算法中，你有一百万粉丝，发的推文就有基础曝光。
在新算法中，每一次发推都是一次独立的“赛马”，如果你的内容质量差，哪怕有一千万粉丝，Grok 预测用户不会互动，就不会给流量。
但是 X 的新算法对小号更加友好，只要内容能触发高互动概率，Grok 就会将其推向全网，不论你是不是大 V，有多少粉丝，有助于快速起号。
Tiktok 化不可避，这次更新对于 X 上的内容创作者影响还是挺深远的。
或许不是「币圈」内容被针对了，而是算法编织信息茧房越来越牢固，小众的信息会变得越来越小众。
适应变局吧，或许内容垂直的 #币安广场 也是一个不错的选择。
