#эмбеддинги

И исследования ·16 июл 2026

Apple улучшила поиск на Apple TV с помощью персонализации: чем короче запрос, тем больше эффект

Инженеры Apple создали систему персонализации для поиска на Apple TV, которая комбинирует семантические и коллаборативные сигналы. Система обучает две модели эмбеддингов — текстовую (многоязычную) и ID-based на основе истории просмотров. Результат: метрики качества выросли на 2.99-3.3% оффлайн, а CTR и конверсия — на 1.14-1.23% в A/B-тесте. Главное открытие: персонализация критична именно на начальных символах запроса (1-3 буквы), где прирост качества достигает 8.63%, а на длинных запросах — только 1.46%.

0 221
И инструменты ·16 июл 2026

Добавление памяти в AI-агентов на Rust

Автор описывает реализацию системы памяти для AI-агента на Rust (проект Eugene v0.8). До этого момента все агенты в серии были «амнезиаками» — каждая сессия начиналась с чистого листа. Новая версия добавляет два типа хранилищ памяти и навыки remember/recall, позволяя агенту сохранять контекст между сеансами.

0 117