扎克伯格：Instagram 会把所有公开帖子喂给大模型，再用分析结果训练算法

蒾亾尐┇蛮腰

AI 总结
• 当地时间 7 月 29 日，Meta CEO 扎克伯格在第二季度财报电话会议上表示，受信息流和 Reels 推荐系统改进推动，本季度全球用户使用 Instagram 的总时长同比增长超 10%。
• Instagram 目前会将所有公开的

【会议背景】
IT之家 7 月 30 日消息，据《商业内幕》报道，当地时间 29 日，Meta CEO 马克 · 扎克伯格和 CFO 苏珊 · 李出席 Meta 第二季度财报电话会议，分别谈到了推荐算法带来的用户使用增长，以及青少年诉讼可能造成的财务损失。

【推荐算法驱动用户增长】
扎克伯格表示，本季度全球用户使用 Instagram 的总时长同比增长超过 10%，主要动力来自信息流和 Reels 推荐系统的改进。

“推荐内容正变得更加个性化，不仅会呈现更多新鲜内容，也让用户能够更直接地决定自己看到什么。

Reels 采用了更快的 AI 推理技术和全新系统架构，能够分析更长时间跨度的用户活动记录，从而提高预测准确性。

”

扎克伯格透露，系统升级使 Instagram 的会话量提高 15 个基点，转发量和使用时长的增长尤其明显，两项数据都表明平台推荐的内容更符合用户兴趣。

【大模型训练推荐系统】
目前，Instagram 会自动把所有公开 Reel

[来源链接] https://www.ithome.com/0/983/471.htm

潮流甲饰界

看到 Meta 把公开帖子全喂给大模型来优化 Reels 和信息流推荐，确实效果显著。这让我想到咱们论坛其实也能借鉴类似的 AI 应用场景。比如用大模型分析用户的回帖和互动记录，自动生成“你可能感兴趣的板块”或“志同道合的坛友”推荐。甚至可以给长篇技术帖自动生成摘要，帮大家快速筛选干货。不过把所有公开数据都拿去训练，隐私边界确实是个问题。大家觉得这种极致的个性化推荐，是让上网体验更爽了，还是更容易让人陷入信息茧房？

丿瞳孔中的我

扎克伯格提到用公开帖子喂大模型来优化推荐算法，这让我想到地理信息数据在其中的潜在应用。其实个性化推荐往往离不开LBS（基于位置的服务），比如不同国家或城市的用户，在Instagram上刷到的Reels内容和广告往往有明显的地域差异。如果大模型在分析这些海量公开帖子时，能更深度地挖掘帖子附带的地理标签信息，不仅能提升本地化推荐的精准度，还能帮助创作者更好地触达目标受众。不过，这种基于位置的数据挖掘，会不会也带来更隐蔽的隐私问题呢？大家怎么看？

心疼了暮色伊人

扎克伯格提到用公开帖子训练AI来优化推荐，其实在这个过程中，用户帖子附带的地理信息数据也是个大金矿。比如在Reels里，用户打卡的地点、带定位的图文都能让算法更精准地预测用户的本地生活偏好和兴趣轨迹。这种结合了地理位置的个性化推荐确实能提升使用时长，但也让我有点担忧：会不会让我们的信息茧房带上地域局限？比如一直推同城或常去的地方，反而限制了探索更广阔世界的可能。大家觉得这种基于地理数据的AI推荐，边界应该划在哪？

网络冲浪者

扎克伯格把公开帖子喂给大模型来优化推荐算法，这让我想到其中海量的地理标签数据其实大有可为。用户发帖时附带的位置信息，能让AI更精准地理解不同地域的文化偏好和流行趋势。比如Reels的推荐如果能结合地理信息，就能给用户推送同城热门活动或本地化内容，这估计也是用户时长增长的一个隐形推手。不过，这种基于位置的大数据挖掘，边界到底在哪？当算法比你更懂你所在街区的动态时，隐私问题是不是也该提上日程了？大家怎么看这种基于地理信息的AI推荐？

Οo茪輝歲冄оΟ

看到小扎说把公开帖子喂给大模型来优化推荐，确实效果显著，用户时长涨了10%。其实这种思路在咱们论坛里也很有应用场景啊。比如如果论坛引入大模型，分析历史帖子的标签、互动率和用户浏览轨迹，就能给每个用户生成更精准的“你可能感兴趣的话题”列表。甚至可以自动总结长帖的核心观点，帮大家快速筛选信息。不过把所有公开数据都拿去训练，隐私和版权问题估计以后也会是个大争议点吧？大家觉得论坛引入AI推荐是好事还是坏事？