剛剛，馬斯克開源 平臺推薦算法

就在剛剛，馬斯克正式宣布開源 （原 Twitter）平臺的推薦算法代碼。

與此同時， 工程團隊（@XEng）確認，新版算法已完成底層重構，全面采用了與 xAI 的 Grok 模型相同的 Transformer 架構，這也標志著 成為首個將核心流量分發邏輯完全透明化的主流社交平臺。

馬斯克在開源后表示：

「我們知道這個算法很笨，需要大幅改進，但至少你可以看到我們實時且透明地努力讓它變得更好。沒有其他社交媒體公司這樣做。

根據開源文檔顯示，新的推薦系統最核心的設計決策是「零人工特征工程」。

具體來說， 摒棄了傳統推薦系統中大量依賴人工編寫規則和啟發式算法的做法，完全依賴基于 Grok 的 Transformer 模型。
系統不再主觀定義什么是好內容，而是讓模型通過學習用戶的交互歷史（點贊、回復、轉發等）來自動判斷相關性。

具體到用戶的「For You」時間線生成流程，主要分為「召回」與「評分」兩個關鍵階段。

在第一階段的「召回」環節，內容首先來自兩大源頭：代號為「Thunder」的內部網絡系統負責毫秒級檢索用戶關注賬號的最新動態。

而代號為「Phoenix Retrieval」的外部網絡系統則利用機器學習在全球語料庫中挖掘用戶未關注但可能感興趣的潛在內容。
隨后，這些通過海選、被成功「召回」的海量候選帖子，會被送入第二階段的核心——Phoenix 評分器。

這是一個基于 Grok-1 修改版的大模型，它不依賴預設標簽，而是通過「注意力機制」直接預測用戶對某條帖子做出特定動作的概率，既包括點贊、回復、點擊等正面行為，也涵蓋拉黑、不感興趣等負面反饋。

當模型計算出概率后，最終決定帖子能否出現在用戶屏幕上的，是一套嚴密的加權計算公式。
系統會將模型預測出的各種動作概率乘以相應的權重——例如點贊和轉發帶來正收益，而拉黑和舉報則導致負分——最后加總得出最終得分，高分者優先展示。

為了保障閱讀體驗與安全，系統在評分前后均設有嚴密的「過濾器」：評分前會移除重復、已讀或來自拉黑賬號的內容；評分后則會進行可見性過濾，剔除已刪除或違規信息，并引入「作者多樣性」機制，防止同一創作者的內容連續刷屏。

目前的開源版本包含核心推薦邏輯、Rust 編寫的候選處理管道以及詳細的架構文檔。

值得一提的是，這僅僅是一個開始，馬斯克此前還承諾，未來將根據社區反饋持續優化，并堅持每四周一次的開源更新節奏，附帶全面的開發者說明，以幫助用戶了解發生了哪些變化。

附 Github 開源地址：
https://github.com/xai-org/x-algorithm