北京
2026 年 5 月 15 日，Elon Musk 在 X 上发帖称，X 最新推荐算法已经发布到 GitHub。
这套代码用于支撑 X “For You” 信息流，也就是用户首页最核心的推荐内容流。
早在 2023 年 3 月 31 日，Twitter 就曾公开过部分推荐系统代码。官方工程博客当时介绍，Twitter 每天要从约 5 亿条 Tweet 中筛选出少量内容，展示在用户的 “For You” 时间线里。
这一次的新意在于，X 将推荐系统进一步迁到了 xAI 体系下，并把核心排序逻辑转向 Grok-based Transformer。
这次主更新共涉及 187 个文件，新增 18,263 行代码，删除 926 行。相比 1 月 20 日初版的 79 个文件、8,816 行代码，新版本不再只是展示推荐系统骨架，而是进一步补上了能跑通“召回 → 排序”的端到端推理流程。
X 已经取消所有手工设计特征和大多数启发式规则，主要由基于 Grok 的 Transformer 理解用户互动历史，比如点赞、回复、分享等行为，再判断哪些内容更相关。
X 的推荐流正在从传统的规则工程，转向更明显的大模型排序。
系统架构图：
当前 “For You” 推荐流主要有两条内容来源。
第一条是 In-Network，也就是 Thunder 系统负责的关注账号内容。
第二条是 Out-of-Network，也就是 Phoenix Retrieval 从全站内容池中发现的内容。
两类内容会被合并，再交给 Phoenix 进行排序。
Phoenix 会预测用户对每条帖子的多种互动概率，包括点赞、回复、转发、引用、点击、视频观看、图片展开、停留、关注作者，也包括“不感兴趣”、拉黑、静音和举报等负向信号。
Phoenix 是这次更新中最关键的部分。
它采用两阶段推荐：先用检索模型从海量候选内容中缩小范围，再用 Transformer 排序模型对候选帖子打分。
Phoenix 子目录说明显示，这次公开的是 JAX 示例代码，模型架构来自 xAI 此前开源的 Grok-1，并针对推荐系统做了输入嵌入和注意力掩码等改造。
Phoenix README 明确写到，这次发布的是 mini 版本，使用 128 维 embedding 和 4 层 Transformer；生产系统使用更大的模型，并且会基于实时互动数据持续训练。公开版本还包含一个冻结的 checkpoint，本质上是连续训练过程中的某个时间点快照。
这次代码还将内容理解和广告混排摆到前台。
新版本加入了 Grox 内容理解流程，包含分类器、嵌入器和任务执行引擎，可用于垃圾信息检测、帖子类别分类以及 PTOS 政策执行。同时，home-mixer/ads 模块负责信息流广告插入和位置安排，并加入品牌安全跟踪，避免广告贴近敏感内容。
这说明 X 的 “For You” 信息流不是单纯的内容排序系统，而是内容推荐、广告分发、内容安全和品牌安全共同作用的复杂系统。
Grok 可以负责核心排序，但前后仍有召回、补充信息、过滤、广告插入、可见性审核等工程模块。
参考资料：https://github.com/xai-org/x-algorithm
云头条声明：如以上内容有误或侵犯到你公司、机构、单位或个人权益，请联系我们说明理由，我们会配合，无条件删除处理。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
