Яндекс разработал Sona – собственную генеративную модель для рекомендательных систем. Она объединяет весь процесс подготовки рекомендаций: от поиска подходящих вариантов до их ранжирования, заменяя сложный каскад отдельных алгоритмов одной моделью.
Рекомендательные технологии ежедневно помогают пользователям выбирать фильмы, музыку, товары и другой контент. Традиционно такие системы состоят из множества моделей: одни ищут релевантные варианты среди миллионов объектов, другие отсеивают неподходящие, третьи формируют итоговый порядок выдачи. Для работы такого конвейера разработчикам необходимо отдельно обучать каждый алгоритм и вручную подбирать признаки для оценки объектов.
Sona предлагает иной подход. Модель анализирует историю взаимодействия пользователя с сервисом – например, выбранные и отклоненные варианты, а также повторные обращения к контенту – и самостоятельно определяет наиболее подходящие рекомендации. Это позволяет отказаться от ряда промежуточных этапов и ручной настройки признаков.
Первым сервисом для тестирования Sona стали музыкальные рекомендации в умных колонках с Алисой. В течение недели новая модель заменяла действующую систему, включавшую десятки алгоритмов. По итогам эксперимента в тестовой группе время прослушивания рекомендованных треков выросло на 6,3%, количество просьб повторить композицию – почти на 18%, а аудитория активных слушателей увеличилась на 4,5%. Этот показатель оказался в 2,4 раза выше, чем после предыдущего обновления рекомендаций.
Результаты исследования опубликованы в научной статье на международной платформе arXiv. Над разработкой и тестированием модели работали инженеры Алисы, Яндекс Музыки и команды R&D (Research and Development).
Яндекс развивает рекомендательные технологии более десяти лет. В 2025 году компания внедрила в свои сервисы систему ARGUS на базе трансформеров, а в 2026 году начала использовать архитектуру Gryphon, объединяющую отдельные этапы формирования рекомендаций. Sona продолжает это направление: переход от множества специализированных алгоритмов к единым ИИ-моделям может повысить качество и эффективность рекомендательных сервисов.
Компания также развивает открытые инструменты для исследовательского сообщества. В 2025 году Яндекс опубликовал в открытом доступе Yambda – один из крупнейших датасетов для разработки рекомендательных систем. Он помогает ученым и инженерам тестировать и улучшать собственные алгоритмы.
Разработку Sona также отметили специалисты ByteDance, работающие над рекомендательными технологиями для продуктов компании, включая TikTok.
Напомним, ранее Яндекс представил Алису AI Про для бизнеса – универсального ИИ-помощника для рабочих задач.
