Yandex Music 单模型 Sona A/B 测试显著优化推荐效果

Yandex Music 团队在智能音箱场景下部署了名为 Sona 的单 Transformer 模型，该模型在 A/B 测试中成功替代了原本由 15 个以上候选生成器、预排序和排序模型组成的复杂流水线。测试持续 7 天，涉及每臂 15% 的用户，结果显示活跃用户数提升 4.53%，总收听时长增加 6.30%，统计显著性 p < 0.01。 为应对全注意力机制处理长序列的高成本，Sona 采用了“历史压缩”（History Compression）策略：将长达 8,192 条的事件历史拆分为较旧的 6,144 条和最近的 2,048 条，通过交叉注意力和单层全历史自注意力交换信息，随后仅对最近片段运行 7 层解码器堆栈。这种设计使推理成本减半，同时保留了大部分质量，且编码器仅需在每个请求中运行一次。输出结果以语义 ID 形式经束搜索生成并直接评分。 事实层面，该模型尚未全量上线，且目录覆盖率低于现有生产系统，团队正调查原因；推断层面，单模型架构在特定垂直领域可能具备简化工程复杂度的潜力；猜测层面，长期测试能否解决覆盖率问题将决定其是否成为行业新范式。