💡
原文中文，约9000字，阅读约需22分钟。
📝
内容提要
马斯克开源了X的推荐算法，但仅部分代码，核心的Grok Transformer未公开，此次开源被视为“假开源”，缺乏透明度和后续更新。推荐算法基于单一Transformer模型，可能影响高薪调参工程师的工作。马斯克的开源意图在于提供监管窗口，尽管代码无法复现，仍为推荐算法的进步指明方向。
🎯
关键要点
- 马斯克开源了X的推荐算法，但仅部分代码，核心的Grok Transformer未公开。
- 此次开源被视为假开源，缺乏透明度和后续更新。
- 推荐算法基于单一Transformer模型，可能影响高薪调参工程师的工作。
- 马斯克的开源意图在于提供监管窗口，尽管代码无法复现，仍为推荐算法的进步指明方向。
- 开源内容包括用户画像生成、内容初筛、互动可能性计算和权重整合等步骤。
- Grok Transformer是基于Grok 1模型的MOE小参数模型，无法复现。
- 主要代码使用Rust和Python语言，普通人可以通过代码分析工具理解。
- 马斯克开源的目的与传统开源不同，旨在提供监管窗口。
- X平台的推荐算法对负面权重和用户停留时长有较高的重视。
- 马斯克承诺每四周更新一次代码，若能坚持将提高监管可信度。
- 未来推荐算法的成本将降低，调参工程师的工作面临挑战。
❓
延伸问答
马斯克开源的X推荐算法有哪些核心内容？
马斯克开源了X的推荐算法，但仅开源了部分非核心代码，核心的Grok Transformer未公开。
为什么此次开源被认为是‘假开源’？
此次开源缺乏透明度和后续更新，核心算法未公开，无法验证与生产环境的关联。
Grok Transformer模型的特点是什么？
Grok Transformer是基于Grok 1模型的MOE小参数模型，无法复现，专注于单一任务。
马斯克开源的推荐算法对工程师的工作有什么影响？
推荐算法的单一Transformer模型可能导致高薪调参工程师的工作面临挑战，未来不再需要大量参数调节。
X平台的推荐算法是如何工作的？
推荐算法通过用户画像生成、内容初筛、互动可能性计算和权重整合等步骤来推送帖子。
马斯克开源的目的是什么？
马斯克的开源目的是提供监管窗口，让公众能够监督和审核推荐算法的透明度。
➡️
