Spotify: LLM предлагает реальные эпизоды подкастов
Рекомендация должна вести к доступному эпизоду, а не к придуманному названию. Spotify обучает модели работать с кодами объектов каталога.
Статья · на английском
From Models to Products: LLMs for Recommendation at Spotify ScaleEdoardo D’Amico, Marco De Nadai, Mounia Lalmas, Paul Bennett, Praveen Ravichandran · Опубликовано: 3 августа 2026 г.
Научить модель понимать каталог
Semantic ID — короткая последовательность кодов, построенная по содержанию объекта. NEO сначала осваивает такие коды, затем перевод между кодами и текстом, после — поиск, рекомендации и объяснения по инструкции.
NEO: текст и объекты каталога в одном запросе.
Источник: Spotify
Три этапа обучения NEO.
Источник: SpotifyGLIDE ищет новое для слушателя
GLIDE — отдельная модель на миллиард параметров для подкастов. Недавние прослушивания входят в запрос; долгосрочные предпочтения передаются компактным вектором. Инструкция задаёт поиск знакомых или незнакомых передач.
GLIDE отбирает кандидатов для существующего ранжирования.
Источник: SpotifyЧто происходит после генерации
Система разрешает совпадения кодов, проверяет доступность эпизодов и передаёт кандидатов ранжировщику. Генерацию с несколькими продолжениями — beam search — сохранили: более быстрые варианты ухудшали точность поиска.
Оригинал: Deploying the modelКак проверяли пользу
Качество оценивали офлайн, людьми и LLM-судьями. В 21-дневном A/B-тесте Spotify Home, примерно по 20 млн показов на группу, прослушивание вне привычного круга выросло на 5,4%, открытие новых передач — на 14,3%. Это результат GLIDE, а не NEO; долгосрочный эффект остаётся вопросом.
Оригинал: Results at scale