في عصر تتزايد فيه الحاجة لاكتشاف محتوى التلفاز المتصل (Connected TV)، جاء نظام توصية مبتكر يعتمد على نماذج لغوية ضخمة (LLMs) ليغير القواعد. يواجه عدد كبير من أنظمة التوصية التقليدية تحديات في دمج إشارات سياقية متنوعة، مثل المواضيع الرائجة، الأخبار العاجلة، والأحداث الثقافية. هذه الأنظمة غالبًا ما تكون متقيدة بأنماط سلوكية محددة، مما يعيق قدرة النظام على معالجة المعلومات غير المنسقة أو متباينة التنسيق.

يقدم النظام الجديد حلاً جذريًا عبر استغلال قدرات نماذج لغوية ضخمة، حيث يتمكن من معالجة وتنقيح إشارات سياقية متعددة بطرق مختلفة وبشكل طبيعي، مما يقلل من الحاجة للدمج اليدوي في أنظمة التقييم التقليدية. هذا الابتكار لا يقتصر فقط على تحسين تجربة المستخدم، بل على وراء الكواليس، حيث أظهر النظام أداءً متفوقًا مقارنة بالحلول التقليدية.

ومع ذلك، لا تزال الحلول القائمة على نماذج لغوية ضخمة تواجه بعض القيود مقارنةً بالنماذج التقليدية، خاصةً في مجالات مثل كفاءة الاسترجاع ودقة التخصيص. لذلك، قام فريق العمل بتبني بنية Agentic تتيح تنظيم العناصر المتخصصة، مما يسمح لكل مهمة فرعية بأن تتم بواسطة أنسب طريقة، سواء كانت تستند إلى نماذج لغوية ضخمة أو تقنيات تعلم آلي تقليدية.

إن الإنجاز الرئيسي لهذا العمل هو تقديم منهج هندسي يمكن من تجاوز القيود العملية التي تعيق الاستخدام الفعَّال لنماذج لغوية ضخمة في مجال التوصية، الأمر الذي يحقق تحسينًا كبيرًا في زمن الاستدلال. كما تم مشاركة الخبرات والدروس المستفادة من إنشاء نظام هجين يجمع بين مرونة النماذج اللغوية الضخمة وأداء تقنيات التوصية التقليدية.