2026. szeptember 27., vasárnap · Eszközök

Volt Netflix-mérnök szerint az ajánlórendszerek valódi kihívása nem a modell, hanem a rendszer

Mallika Rao, aki korábban mérnöki vezetőként dolgozott a Twitternél, a Walmartnál és a Netflixnél, a QCon AI konferencián tartott előadásában amellett érvel, hogy az adaptív ajánlórendszerek legnehezebb feladata nem a modellépítés, hanem a teljes rendszer megtervezése. Állítása szerint a valós idejű visszacsatolási hurkok, a friss adatlekérés, a többlépcsős orchestration és a végpontok közötti latenciakeret-tervezés teszi lehetővé, hogy a rendszerek éles üzemben folyamatosan tanuljanak és fejlődjenek. Rao szerint mindezt olyan valós korlátok között kell megoldani, mint a válaszidő, a költség, a megfigyelhetőség (observability), a kísérletezés, az ügyfélbizalom és a compliance. Az előadás gyakorlati, ipari tapasztalatokra épülő architektúra-ajánlásokat és üzemeltetési tanulságokat oszt meg, nem tudományos publikáció eredményeit.

Miért fontos?

Rao azt hangsúlyozza, hogy a Twitter, a Walmart és a Netflix produkciós tapasztalatai szerint az ajánlórendszerek megbízhatóságát nem az algoritmus, hanem a latenciakeret és az observability-tervezés dönti el.

Források

InfoQ AI

Kapcsolódó témák

Napi összefoglaló

Ez a hír a 2026. szeptember 27., vasárnap napi AI összefoglaló része.

Kapcsolódó hírek

Docker Cloud Sandboxes: felhőbe költöző AI-ügynökök egységes futtatókörnyezetben

A Docker bejelentette a Cloud Sandboxes szolgáltatást, amely a korábbi, helyi microVM-alapú Docker Sandboxes kiterjesztése: AI-kódoló ügynökök számára biztonságos, hardveresen izolált futtatókörnyezetet biztosít a Docker által üzemeltetett felhőinfrastruktúrán. A cég állítása szerint egyetlen paranccsal áthelyezhető egy sandbox a helyi gépről a felhőbe és vissza, mivel a parancs lemásolja a fájlrendszert, így a munka megszakítás nélkül folytatható. Ez lehetővé teszi, hogy fejlesztők akár tucatnyi ügynököt futtassanak párhuzamosan, óráktól akár 21 óráig tartó feladatokon, anélkül hogy a laptopjuknak folyamatosan bekapcsolva kellene lennie. A bejelentéssel egy időben a Docker úgynevezett Kiteket is kiad: ezek előre konfigurált sandbox-sablonok, amelyeket a Kits v3 specifikáció szerint immár szabványos OCI image-ként csomagolnak, így más Docker image-ekhez hasonlóan build és pull paranccsal kezelhetők.

Google új Gemini-funkciói: beszélő avatar és telefonálás helyetted

A Google bemutatta a Gemini 3.8 Live „Live Avatar” funkcióját, amely egy animált AI-alakot jelenít meg valós idejű beszélgetés közben: az avatar szinkronizált szájmozgással és arckifejezésekkel reagál, és a Google szerint 97 nyelv között tud váltani anélkül, hogy a videóminőség romlana. A funkció egyelőre csak Gemini Enterprise ügyfeleknek érhető el, a cég saját vagy testre szabott avatarokat kínál, és minden kimenetet láthatatlan SynthID vízjellel lát el. Ezzel párhuzamosan a Google a „Call for Me” nevű funkciót teszteli, amellyel a Gemini a felhasználó nevében hív fel cégeket – például foglalást intéz vagy készletet ellenőriz –, ez egyelőre csak Pixel 11 amerikai tulajdonosoknak érhető el fizetős Gemini-előfizetéssel és a Telefon-app béta verziójával. A két fejlesztés különböző felhasználási területet céloz: az egyik vállalati vizuális interakciót, a másik hétköznapi telefonos ügyintézést automatizál.

Meta Muse: teljes Ubuntu-felhőgép jár minden felhasználónak

David Singleton, a Meta Superintelligence Labs mérnöki alelnöke (korábban a Stripe technológiai igazgatója) szerint minden Muse-felhasználó saját, teljes értékű felhőalapú számítógépet kap, amely egy komplett Ubuntu Linux rendszert futtat, szoftvertelepítéssel, kódfuttatással és böngészéssel. Az architektúra egy elkülönített 'Runtime Cell' munkaterületet és egy azon kívül futó 'Sentinel' felügyeleti folyamatot használ a jelszavak és érzékeny műveletek védelmére. A The Verge tesztje és Nat Friedman (Meta) megerősítése szerint a fájlrendszer nyílt megjelenítése szándékos döntés, nem hiba, bár a Muse korábban biztonsági okokra hivatkozva megtagadta a teljes hozzáférést. A TechCrunch beszámolója szerint a Muse az indulás óta 500 ezer felhasználót szerzett és listavezető lett az Apple App Store-ban, a Connect 2026 rendezvényen pedig Meta bemutatta a Muse Charm nevű, decemberre ígért kulcstartó-eszközt és a Jolly nevű digitális avatart is.

AWS: SkyRL keretrendszer SageMaker HyperPodon multimodális RL-tanításhoz

Az AWS hivatalos blogbejegyzése bemutatja, hogyan gyorsítható a multimodális megerősítéses tanulás (RL) az Amazon SageMaker HyperPod infrastruktúrával, amely Amazon EKS-en fut. A cikk szerint a HyperPod klaszter-ellenálló képessége folyamatosan figyeli a csomópontok állapotát és automatikusan lecseréli a hibás node-okat, a checkpointing pedig lehetővé teszi, hogy a tanítási feladat a legutóbb mentett lépéstől folytatódjon hardverhiba esetén. A bemutatott kísérletben a nyílt forráskódú SkyRL keretrendszerrel egy Qwen3-VL-8B vizuális-nyelvi modellt tanítottak vizuális labirintusok megoldására, Group Relative Policy Optimization (GRPO) módszerrel. Az AWS állítása szerint a VisGym SFT kiindulási ponthoz képest a GRPO utótanítás a labirintus-megoldási arányt 43,75%-ról több mint 95%-ra növelte egy rögzített, 64 labirintusból álló kiértékelő halmazon. A telepítéshez legalább három ml.g7e.12xlarge és egy ml.r5d.16xlarge instance, valamint több Kubernetes-operátor és FSx for Lustre fájlrendszer szükséges.