Meta用大模型让Facebook信息流可自定义

Meta正在把内容推荐的控制权部分交还给用户。据RSS来源报道，Facebook和Reels即将上线一套由大语言模型驱动的算法个性化功能，允许用户主动管理自己的兴趣列表，甚至用自然语言描述自己想看什么、不想看什么。

功能怎么用：菜单选兴趣，文本框写需求

这次更新的交互设计并不复杂。用户在浏览Facebook时，可以选中某条帖子或视频，随后弹出一个新菜单。在这个菜单里，用户能把特定话题加入自己的兴趣列表，也能把话题标记为"不想看到"。此外还有一个文本框，用户可以用自己的话直接描述希望信息流中出现什么内容。

这套机制背后依赖的是Meta用来做内容排序的AI技术。换句话说，大语言模型不仅参与推荐，还开始承担理解用户显式意图的角色。

大语言模型驱动的算法个性化指的是用LLM（如Meta自家的Llama系列）来解析用户的自然语言输入，把"我不想看太多体育新闻，但希望多推一些独立电影和摄影技巧"这类模糊表述，转换成推荐系统可以执行的信号，比如话题权重调整、类别过滤或排序特征。传统推荐系统主要依赖行为数据（点击、停留、点赞），用户的显式反馈往往只是"不感兴趣"这一颗按钮。引入LLM后，系统可以理解更复杂的意图，例如区分"暂时看腻了"和"永久屏蔽"，或者识别用户描述中的多个并列偏好。这也是近年来推荐系统的一个趋势：把生成式模型的语义理解能力，插到排序和召回环节之前，作为意图解析层。

和Instagram版本的区别在哪

Instagram在今年早些时候已经上线了类似功能。不过那个版本存在明显限制：用户无法要求减少广告，也不能把已关注账号发布的帖子标记为"感兴趣"。Facebook这次的版本在能力上做了扩展，补上了这些缺口。

两个平台的功能趋同，说明Meta正在把算法透明度和管理权当作一个跨平台的产品方向来推进，而不是单点试验。

这里提到的"减少广告"能力，涉及推荐系统和广告系统之间的耦合问题。信息流里的内容通常分为两类：自然内容（好友帖子、关注的账号、推荐内容）和付费广告。用户对自然内容的兴趣设置，理论上不会自动传导到广告投放逻辑，因为广告排序有自己的目标函数（转化率、出价等）。Facebook版本允许用户表达"少看广告"，意味着平台需要在广告加载频率或广告与自然内容的比例上做出让步，这在商业上是有代价的。而"标记已关注账号帖子为感兴趣"则关系到社交图谱信号和兴趣信号的权重分配。Instagram版本缺失这两项，说明其推荐架构对用户显式干预的开放程度更低。

为什么这件事值得关注

推荐算法长期被视为黑箱，用户只能被动接受信息流。Meta这次让用户用文本直接干预推荐结果，等于给算法开了一个自然语言接口。对普通用户来说，这是控制感的提升；对Meta来说，这也是一种风险对冲——当监管压力增大时，"用户可以自己管理"是一张有用的牌。

当然，实际效果取决于模型对用户描述的理解准确度，以及兴趣设置是否真的能显著改变信息流。这些还有待功能正式铺开后验证。

推荐算法的"黑箱"问题，核心在于用户无法知道为什么自己会看到某条内容，也无法有效改变结果。监管层面，欧盟的《数字服务法案》（DSA）要求超大型平台提供至少一种"非基于用户画像"的推荐选项，并解释推荐逻辑。Meta允许用户用自然语言描述偏好，可以在合规叙事上主张"用户拥有控制权"。但需要注意的是，自然语言接口本身也可能成为新的不透明层：用户不知道自己的描述被模型如何解读，也不知道兴趣列表在排序中占多大权重。因此，透明度提升的实质程度，取决于平台是否愿意公开这些信号的作用机制。