Grok 揭秘 X 推荐系统：文本图像视频帧统一做稠密嵌入
cocktailpeanut · x · 2026-11-11
cocktailpeanut 分享今天学到的一点：X 的推荐系统是多模态的。据 Grok 介绍，帖子会通过 MultimodalPostEmbedderV5、CLIP 等模型，从文本、图片、视频帧（加上 ASR 转写）生成稠密嵌入，经语义 ID 进入 Phoenix 检索，Grox 则用视觉语言模型做内容理解与安全审核，且开源的 x-algorithm 代码可端到端印证这套流程。
「Infra」频道最新
- HF tokenizers v1.0 RC4 发布：找回 transformers/vLLM 依赖的 API，编码最高快 17 倍 — art_zucker · 2026-11-11
- MacPaw Elix 号称 Apple 芯片最快推理引擎,33项全胜 — JosephJacks_ · 2026-11-11
- 讨论:你把哪些任务从云端大模型迁到了本地模型? — FulcraDynamics · 2026-11-11
- NEAR AI 披露安全事件：SGLang 漏洞被利用，约 100 用户数据泄露 — bingxu_ · 2026-11-11
- Bittensor 推出 Gamma 代币，AI Agent 可钱包直付子网服务 — markjeffrey · 2026-11-11
- Meta 首个开放权重模型 Muse Spark Open 上线第三方推理,816B 参数、1M 上下文 — DavidBennett__ · 2026-11-11