Всегда приятно, когда появляются новые интересные статьи про рекомендашки, выходят опенсорс-релизы и проводятся новые контесты. Со своей стороны хочется иногда такое подсвечивать, чтобы это замечало как можно больше людей. Поэтому держите первый пробный дайджест с новостями около рекомендашек:

1. На YouTube канале ACM RecSys начали появляться записи с прошедшей конференции ACM RecSys’25, которую я освещал чуть выше. Например, есть keynote от Google, keynote про kumo.ai от Jure Lescovec, выступление от Саши Плошкина (@ploshkin) про яндексовый датасет Yambda, а также выступления про статью Time to Split от AIRI и Sber AI Lab; и про статью про Item Cold Start от Sber AI Lab. У Лёши Васильева, выступавшего на втором докладе от Sber AI Lab, есть тг-канал @recsys_themes, на котором Лёша пишет про конференции, контесты и другие активности. И у Жени Фролова, руководящего командой соавторов из AIRI, есть тг-канал @amazing_research, в котором Женя делится своими мыслями про ресерч и науку.

2. Стартовал новый VK RecSys Challenge. Большой призовой фонд, огромный датасет (можно использовать буквально весь VK-LSVD), необычная задача: рекомендовать не клипы для пользователей, а пользователей к клипам. В прошлом году я занял второе место; посмотрим, что будет в этом :) Ещё есть академический трек для студентов со своим отдельным призовым фондом, что тоже хорошо. У главного организатора, Саши Пославского, тоже есть тг-канал @ds_league; Саша как раз десять минут назад написал пост про контест :)

3. Ряды больших рекомендательных датасетов, включающие музыкальную Yambda от Яндекса (4 млрд user-item взаимодействий) и тикток-подобный VK-LSVD от VK (40 млрд взаимодействий), пополнились гигантским e-com датасетом от Т-Банка (135 млрд взаимодействий) под названием T-ECD. Кирилл Ляхнович (@Klhnvich), команда которого делала этот релиз, написал хабростатью.

4. Андрей Атаманюк (@wrapper228) из Wildberries написал большой хабропост про то, почему растут нормы популярных айтемов при обучении двухбашенных моделей. Осторожно, много математики! На мой взгляд можно было бы и полноценную научную статью написать :)

5. В начале лета Марк Нарусов (@mark_nar) из Яндекс Лавки написал целую статью про то, как ребята отказались от стадии генерации кандидатов в рекомендациях. Так как в Лавке небольшой каталог (десятки тысяч айтемов), это вполне реально сделать. В статье много инженерных подробностей, даже упоминается DJ — внутренняя яндексовая платформа для создания рекомендательных сервисов, которую когда-то разрабатывала команда Миши Ройзнера (тг-канал @WazowskiRecommends). Fun fact: Лавка была четвертым сервисом, в который мы внедрили ARGUS :)

6. Данил Комаров из Ламоды рассказал на Хабре про эволюцию рекомендаций в Ламоде. В статье много всего: ALS’ы, буст разнообразия, тяжелые реранкеры, переход от оффлайн рекомендаций к онлайновым.

7. Под руководством Александра Дьяконова (@AlexanderDY) в VK собирается полноценная рексис ресерч команда, которая будет писать статьи, делать опенсорс-релизы, участвовать в контестах и всё такое :)

8. Совсем скоро, 24-25 октября, пройдет ML конфа от Вышки под названием Fall into ML 2025, на которой будет много постеров с A*-конференций, а также основная программа с докладами. Нашел среди постеров много знакомых. Есть и ребята из Yandex Research, с работами по табличному диплернингу (TabM) и по графовому ML, и рексис-статьи (как минимум, Time to split от AIRI и Sber AI Lab). Кажется, еще не поздно зарегистрироваться :) UPD: я там тоже буду с постером!

9. Не могу не упомянуть, что ChatGPT активно идет в рекомендации — сделали новую персонализированную фичу Pulse ; начали встраивать рекомендации от других платформ (e.g., от Spotify, Shopify, Etsy и тд), сделали собственную тикток-ленту с AI-generated контентом.

10. Новости из статейного мира: вышла новая статья про семантические айдишники от Google (см. прошлый пост), в которой рассказывается про внедрение в Youtube; также вышла статья про семантические айдишники от Alibaba, а ещё инженеры из Kuaishou написали статью про прикручивание текстового ризонинга в OneRec.