@elonmusk：X 平台公開「For You」推薦演算法原始碼。 X 平台已將「For You」推薦系統的核心程式碼上傳至 GitHub，包含 Home Mixer、Th…

X 平台公開「For You」推薦演算法原始碼。 X 平台已將「For You」推薦系統的核心程式碼上傳至 GitHub，包含 Home Mixer、Thunder 與 Phoenix 三個主要元件，並提供可直接執行的推論管線。系統完全捨棄人工特徵工程，改由基於 Grok 的 transformer 模型從使用者互動歷史中學習相關性，同時整合網路內與網路外內容。 系統架構與管線流程 Home Mixer 作為協調層，依序執行查詢水合、候選來源、候選水合、過濾、評分、選取與後置過濾等階段。Thunder 負責即時擷取使用者追蹤帳號的貼文，Phoenix 則透過雙塔模型進行跨全域語料的相似度搜尋，再以 transformer 預測多種互動機率。 Phoenix 模型設計 Phoenix 包含兩個主要功能：Retrieval 階段使用 User Tower 與 Candidate Tower 產生嵌入向量，透過點積相似度找出候選貼文；Ranking 階段採用 Grok-based transformer，輸入使用者互動序列與候選貼文，並以特殊注意力遮罩確保候選之間無法互相注意，最後輸出 15 種互動機率。 多動作預測與加權評分 模型同時預測 P(favorite)、P(reply)、P(repost)、P(quote)、P(click)、P(video_view) 等多種動作，再由 Weighted Scorer 依權重加總得到最終分數。正向動作權重為正，負向動作（如 block、mute、report）權重為負，以降低使用者可能反感的內容。 過濾機制 Pre-Scoring Filters 包含 DropDuplicatesFilter、AgeFilter、SelfpostFilter、MutedKeywordFilter、AuthorSocialgraphFilter 等；Post-Selection Filters 則執行 VFFilter 與 DedupConversationFilter，移除已刪除、垃圾、暴力或重複對話的貼文。 關鍵設計決策 系統完全移除手動特徵工程，改由 transformer 從互動序列學習相關性；Ranking 階段採用 Candidate Isolation，使分數不受同批次其他候選影響；Retrieval 與 Ranking 皆使用多重雜湊函數產生嵌入；Candidate Pipeline 框架支援來源、Hydrator、Filter、Scorer 的平行執行與錯誤處理。 可執行推論管線 更新後提供單一入口 phoenix/run_pipeline.py，可直接從匯出的 checkpoint 執行 retrieval → ranking。另附 256 維、4 頭注意力、2 層 transformer 的迷你 Phoenix 模型（約 3 GB），以及 Grox 內容理解服務，用於垃圾郵件偵測、分類與政策執行。 授權與使用 本專案採用 Apache License 2.0，完整原始碼與模型權重已公開於 GitHub 儲存庫，供研究與開發者參考。原文：https://easyvibecoding.app/curated/1389