前言

推荐系统在当今时代已然成为网络生活不可忽视的一部分。时常可以得见犹如无数巧合重叠般的推送结果，昨日刚听闻新品爆红，今日便可刷到此品优惠：这就是推送算法的力量。

我曾在本系列第一篇章如此描述，但这一描述已然成为过去式了。现在是人工智能的时代，是大数据的时代，更是我们未曾能遇见过的时代。

第一篇章中的参考资料“美团推荐算法实践”是2015年一月中下旬的文章，而现如今已经是十年又五月之后了。身边也不乏思考AI在当今时代对于我们意义的友人，因此，我抱着“现在的推送机制有可能变为AI主导的推送方式”这样的想法进行了构思，从现在AI主导视野的角度出发，描述我对于现代推送的一种猜想与反思。

现代推送猜想

因为缺乏公开可供参考的材料，本篇将存在大量个人猜想、推测，仅能作为参考。
本文所谓“现代推送猜想”，是一种以“AI模型主导推送”为核心的猜想。其假定现在的推送算法本质上为LLM为主、传统算法为辅的组合，构建相应猜想推理。其来源于身边友人对于现在AI主导的一种主观感受，我个人进行了相应的补充构思猜想。又因为其缺乏确切参考，故仅能作为一种猜想存在。

表象

尽管现在的推送机制有可能变得侧重于使用AI处理，降低人力设计、维护的成本，但它对外的表现仍然基本一致。你推送得到的内容，如果你常点击一类内容，对于平台而言便反映出你偏好这一类内容；如果你停留时间久，存在截图、转发等等互动行为，也表明你对这一内容感兴趣；以此类推，et cetra. 这些基本的逻辑关系尚且没有大的改变。
尽管如此，相较于以往算法推送，现在的推送给人主观感觉上更为“智能”。很多内容，当我们作为用户并不知道我们喜爱的时候，推送算法能十分“具有先见之明地”将其呈递到我们面前。站在我的个人角度，这倒是表现出了现代推送算法的显著进步。从当初只是尝试性使用运算划分人群以更好提供内容，到现如今给人以“魔法般”的准确性，现代推送算法的确实现了互联网最初的一大目的：更好的呈递消息，消息共享。当上世纪的架构到这一世纪产生了天翻地覆的变化而重新实现了本初的目的，大概也是我们的一大幸运了。

专精专家与天下通识

从我的个人理解而言，现如今正被广泛采用的AI模型可分为两大类：专精专家型与天下通识型。
专精专家型，最为显著的就比如人工智能识别文字、声音克隆、人像克隆。像这种专门目的的人工智能模型，我称其为专精专家型，因为其表现出来的能力相对单一，但准确度较高，且目的不包含完成自然语言对话等能力。
天下通识型，显著的就很多了。如文心一言、通义千问、DeepSeek，这种都属于这一种。出于它们具备的大量知识储备，且具有与用户进行对话而不是呈现数字的能力，因此我称它们为天下通识型。用专业语言讲其实就是大预言模型(LLM, Large Language Model)。天下同识型作为当今时代经久不衰的热点话题，无论是现代文阅读还是作文题目中都时有出现，予以学生以无穷的对于当今技术变革的思考。

推送的原理猜想

假定推送机制中有AI模型的参与，那必然是使用天下通识型。诸位第一反应必然是认为不太可能，但我也有我自己的理由。
不妨看看常见的“AI客服”，他们其实就是这一类AI模型。通过在已有的模型基础上，用语言告诉它们如何去当一个客服，再输入相应的产品知识，就可以得到一个AI客服了。像这样的还有像“工作流AI”，让这样的模型根据用户的要求，把文字变成行动，做到转化。
那么，推送机制中的AI模型也很可能是天下通识型的了。平台预先给予AI相应指令，随后将平台中的用户行为数据（也就是我们的“大数据）提供给模型，让其分类、贴标签、刻画用户画像。随后，再以传统的算法为辅助，使用客观确切的量化方法完成推送效果的检验与微调，最终达成推送目的。