💻ZDNet AI•最新收集於 12m
用自然語言自訂 Discover 動態
💡了解 Google 如何將自然語言變成個人化推薦的控制介面。
⚡ 30-Second TL;DR
有什麼變化
使用者可以用自己的話描述內容偏好。
為什麼重要
這顯示個人化推薦系統正逐漸採用對話式控制方式。AI 產品團隊可將其視為以自然語言打造使用者偏好介面的案例。
下一步行動
使用具代表性的使用者提示測試 Google Discover 的自然語言偏好控制功能，並記錄推薦結果的變化。
誰應關注：Developers & AI Engineers
關鍵要點
- •使用者可以用自己的話描述內容偏好。
- •這項功能旨在讓 Google Discover 推薦結果更容易控制。
- •自然語言輸入可能降低使用者對不透明動態演算法的依賴。
🧠 深度解析
背景與延伸：來自公開資料，非原文內容。引用 13 個來源。
🔑 增強重點摘要
- •這項功能被稱為「自訂你的動態消息」(Tailor your feed)，允許使用者指定他們希望看到或避免的主題、內容格式和語氣。
- •它超越了以往「不感興趣」或追蹤主題等舊有方法，轉而依賴明確的自然語言提示來調整內容。
- •使用者可以提出具體內容請求（例如，無乳製品食譜）、調整動態消息的語氣，或封鎖特定內容（例如，政治新聞）。
- •自然語言輸入由後端系統處理，該系統會調整內容選擇邏輯，並且結果有時會標示「您要求查看」以增加透明度。
- •此功能是 Google 在 2025 年和 2026 年將對話式介面整合到其產品中的廣泛趨勢的一部分。
🛠️ 技術深入
- Google Discover 的推薦系統基於機器學習演算法和人工智慧。
- 它可能採用類似於 YouTube 推薦系統的「雙塔架構」(Two-Tower architecture) 模型，該模型將使用者資訊和內容項目處理成獨立的嵌入，並透過相似度評分進行匹配。
- 該系統會考量使用者行為（搜尋、閱讀歷史、互動）、位置資料以及跨生態系統活動（例如，YouTube 影片）。
- 一項關於推薦系統「個人化語義」的研究論文指出，可以使用概念啟動向量 (Concept Activation Vectors, CAVs) 來解釋使用者的主觀意圖，並在個人層面進行推薦。
- 自然語言提示由一個名為「historicalnaturallanguagetuningcontent」的後端管道處理，該管道會調整內容選擇邏輯。
- 模型每天都會重新訓練，以從不斷變化的目錄、使用者行為或購物趨勢中獲取洞察，並將其納入所提供的推薦中。
🔮 前景展望AI analysis grounded in cited sources
使用者對 Google Discover 的參與度將顯著提升。
直接的自然語言控制允許內容更精確地符合使用者興趣，從而帶來更令人滿意和相關的動態消息體驗。
發布商將需要針對自然語言查詢優化內容。
隨著使用者透過自然語言指定偏好，發布商可能需要確保其內容元資料和結構易於 AI 解讀，以符合這些細微的請求。
Google 的 AI 個人化能力將成為其產品生態系統中的關鍵差異化因素。
將對話式 AI 用於搜尋、Discover 和新聞的個人化整合，表明 Google 正在採取策略性舉措，利用先進 AI 提供更具凝聚力和以使用者為中心的體驗。
⏳ 時間線
2004
Google 個人化搜尋 Beta 版推出，標誌著早期個人化嘗試。
2016-12
Google Discover（最初名為 Google Feed）推出。
2018-09
Google Feed 更名並改版為 Google Discover。
2025-09
Discover 開始顯示更多內容類型（例如 X 貼文、Instagram、YouTube Shorts），並允許直接追蹤創作者/發布商。
2025-12
有報導指出 Google 正在測試帶有自然語言提示的「自訂你的動態消息」功能。
2026-04
針對自然語言調整內容的「您要求查看」透明標籤首次在 Beta 版中被發現。
2026-08-20
Google 正式宣布 Discover 的自然語言控制功能，作為更廣泛個人化更新的一部分。
📎 來源 (13)
Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： ZDNet AI ↗
每週 AI 簡報
每週一封，可隨時退訂。