AGENTIC COMMONSAI 產業簡報

繁中EN

標籤Meta出版 2026-10-14

返回文章列表Meta

用一句話改動態消息:Meta 把推薦系統交給自然語言

摘要: Meta 在 Facebook 推出「Your Algorithm」,讓使用者用自然語言告訴系統想看更多或更少哪些內容,推薦結果會在同一次使用期間即時調整。對 builder 來說,這是把推薦控制權從隱性行為訊號搬到顯性意圖輸入的一次架構變動。這篇文章整理已確認的功能細節,以及 Meta 尚未說明的關鍵空白。

功能實際怎麼運作

根據 TechOrange 在 2026 年 10 月 14 日的報導,使用者可以透過每則貼文的三點選單進入「Your Algorithm」,直接新增並管理自己想在動態消息與 Reels 看到的主題。Meta 表示,LLM 能理解自然語言背後的興趣、情境與意圖,因此使用者只要說出想看到更多或更少的內容,推薦結果就會即時回應,並在同一次使用期間內反映當下的偏好。

這不只是加一個輸入框。Facebook 的排序系統原本就從按讚、留言、觀看等數千種訊號推測興趣,如今 Meta 在排序系統中更廣泛地運用 LLM。貼文下方也新增了「感興趣」和「不感興趣」選項,點選後平台可能進一步詢問原因,使用者可以用自己的話說明。

從行為推測走向意圖表達

《TechCrunch》的觀察是,這代表 Facebook 正逐步脫離多年來主導社群媒體的傳統推薦系統,更接近串流影音服務那種讓使用者自訂推薦的模式。Instagram 早在 2025 年 12 月就在 Reels 推出同名功能,2026 年 6 月擴展到動態消息與探索頁面;Threads 也在 2026 年 2 月於美國、英國、澳洲與紐西蘭推出類似的「Dear Algo」,調整效果持續 72 小時。

這條路線對做產品的人有個清楚的啟示:當 LLM 夠便宜、夠快,把「推測使用者要什麼」換成「讓使用者直接說」就變得可行。推薦系統過去不敢開放顯性輸入,因為規則式的關鍵字設定太脆、使用者也不會用;自然語言介面把這個門檻降下來了。這和 agent 產品裡讓使用者用一句話設定目標、系統自己去拆解執行的思路是同一件事,之前寫 Meta 的 agent 模型時也提過類似的重心轉移,可參考那篇對 Active Memory 與 Active Focus 的分析。

還沒說清楚的四件事

Meta 未說明全面上線的時間表,也沒有公布哪些國家會率先取得這項功能。根據《PPC Land》的分析,還有幾個更根本的問題懸而未決:使用者輸入的需求與既有行為訊號之間如何權衡、新增的主題會永久保留還是逐漸失效,以及這些輸入是否會用於廣告投放、被儲存或用於模型訓練。

對粉絲專頁經營者,影響是間接的:受眾輸入的偏好是他們看不到的訊號,結果只會反映在觸及率變化上。由於動態消息與 Reels 是 Meta 大部分廣告曝光所在的位置,自然內容排序的變動也可能牽動廣告表現。

builder 該記住的下一步

如果你在做任何帶推薦或個人化功能的產品,值得觀察的不是這個按鈕本身,而是 Meta 之後怎麼回答上面那些權衡問題——顯性意圖和行為訊號打架時聽誰的,決定了這類功能的實際價值。在那之前,先把它當成一個上線中的實驗看待:功能正在陸續推出,細節以 Meta 後續公布的資料為準。

參考來源

AGENTIC COMMONS由 PHLEGON LABS 經營
分享X電郵
支持我們

相關閱讀

  1. Muse Spark 把「想久一點」變成可調參數:多代理推理與思考時間懲罰的取捨

    Meta 發表 Muse Spark,以思考時間懲罰與多代理並行推理控制延遲,並開放 meta.ai 與私有 API 預覽。

    Meta

  2. Meta 回歸開放權重:30B 的 Muse Glimmer 把本地代理變成現實

    2026 年 8 月 10 日,Meta 以 Apache 2.0 釋出 30B 參數的 Muse Glimmer,針對常駐本地代理工作流設計,單張消費級 GPU 就能跑,並承諾開放 Muse Spark 權重。

    Meta

  3. Meta 自導式測試時訓練:讓 LLM 自己挑該學的長上下文證據

    Meta AI 提出自導式測試時訓練 S-TTT,先讓模型自行挑選與問題相關的證據段落、再只對這些段落做適應訓練,在 LongBench-v2 與 LongBench-Pro 上帶來最高 15% 的相對準確率提升。

    Meta