«Яндекс» представил Sona — ИИ-модель, способную заменить десятки алгоритмов рекомендаций
«Яндекс» выпустил собственную генеративную модель для создания рекомендаций, которую назвали Sona. Инженеры предложили собственную архитектуру и обучили Sona полностью с нуля на данных «Яндекса». Она способна как выбирать варианты, так и ранжировать их. Sona стала первой моделью в мире, которая может заменить целый каскад алгоритмов. При этом разработчикам не нужно вручную выбирать признаки, по которым модель будет работать. Sona уже показала высокие результаты на практике.
Переход от традиционных рекомендательных систем к единым ИИ-моделям становится новым этапом в развитии рекомендательных технологий. Это помогает улучшить качество работы многих сервисов. Рекомендательные системы ежедневно помогают людям решить, что посмотреть, послушать или купить. Такие системы состоят из множества алгоритмов.
Одни алгоритмы находят подходящие варианты среди миллионов. Уже другие алгоритмы среди этих вариантов отбирают лучшие и расставляют их в нужном порядке. В этом конвейере каждая модель отвечает за свою задачу.
Традиционно для таких систем разработчики отдельно обучали каждый алгоритм и подбирали признаки, по которым они оценивают варианты. «Яндекс» смог первым заменить этот конвейер одной моделью. Sona анализирует, что раньше выбирал пользователь и к чему возвращался. На основе этих предпочтений модель понимает, что подойдет пользователю.
Замена каскада одной моделью позволяет упростить работу всей рекомендательной системы, обслуживающей большую аудиторию. В традиционном подходе даже небольшой прирост качества требует доработки отдельных алгоритмов, их обучения и согласования друг с другом — это занимает время и вычислительные ресурсы. Единая модель сокращает объем ручной работы и упрощает обновление системы. Поэтому переход к такой архитектуре решает практическую задачу: быстрее развивать рекомендации и повышать их качество.
Исследователи уже протестировали, как модель справится с музыкальными рекомендациями в умных колонках с Алисой. Привычную систему рекомендаций, состоящую из десятков алгоритмов, на одну неделю заменила Sona. Результаты оказались многообещающими. В тестовой группе время прослушивания рекомендованных треков выросло на 6,3%. При этом пользователи почти на 18% чаще просили повторить трек. Аудитория активных слушателей выросла на 4,5%, что в 2,4 раза больше, чем после предыдущего обновления. Команда «Яндекса» опубликовала результаты на международной платформе arxiv.org. Разработкой и тестированием новой модели занимались инженеры Алисы, Яндекс Музыки и команда R&D (Research and Development).
При этом Sona показывает высокие результаты при сравнительно небольшом размере. В техрепорте описаны три экспериментальных варианта encoder–decoder — от 264 до 659 млн параметров. При обучении также используется модель-учитель на 600 млн параметров, но в финальной конфигурации она не участвует в выдаче рекомендаций. Это позволяет использовать ее знания, не добавляя вычислительную нагрузку при обслуживании пользователей.
«Яндекс» более десяти лет занимается рекомендательными системами. В 2025 году компания смогла улучшить качество рекомендаций, внедрив в свои сервисы систему ARGUS, работающую на трансформерах. В 2026 году рекомендательные системы усовершенствовали с помощью архитектуры Gryphon, объединяющей некоторые этапы подбора рекомендаций. Sona — это новый этап в развитии направления, успехов в котором пока достигли лишь несколько компаний в мире.
Разработчики «Яндекса» создают не только собственные рекомендательные системы, но и делятся наработками с международным сообществом. В 2025 году компания выложила в опенсорс Yambda — один из крупнейших в мире датасетов для развития рекомендаций. С его помощью ученые и исследователи со всего мира могут тестировать и улучшать собственные алгоритмы. Yambda уже использовали в своей работе ученые из Kuaishou и Meta*. Возможности Sona привлекли внимание ученых из ByteDance, которые создают рекомендации, в том числе для TikTok.
* признана экстремистской организацией и запрещена в России
Telegram 
Дзен 
VK 
