- Регистрация
- 23.01.2022
- Сообщения
- 410
- Благодарностей
- 115
- Баллы
- 43
Заглянули в алгоритм X/Twitter: как он работает
Недавно инженеры/организация xAI выложили в открытый доступ исходный код алгоритма X/Twitter. Однако, прежде чем мы пойдём дальше, важно отметить, что опубликованный исходный код алгоритма не содержит конкретных деталей. Как сказал пользователь Tenobrus: «Выложенный репозиторий алгоритма X — это голая база. В нём нет информации о том, как рассчитываются эмбеддинги, весовые коэффициенты различных показателей или буквально ни одного значения для используемых констант. Так что любой, кто попытается сказать вам, что «ответы стоят в 100 раз больше лайков», несёт чушь».
Использовали LLM (большие языковые модели) для анализа и обобщения (использовал Opencode для работы с кодом, а Grok/Gemini помогли структурировать запросы и контекст). Вот результат:
Представьте, что вы зашли в самую большую библиотеку в мире с миллионами книг, но у вас есть время прочитать лишь несколько страниц. Как найти ту самую книгу, которая вам точно понравится?
Именно эту проблему алгоритм X решает каждую секунду. Это как суперумный библиотекарь, который:
* Знает каждую книгу, которая вам когда-либо нравилась.
* Понимает, что заставляет вас смеяться, думать или делиться.
* Постоянно ищет скрытые жемчужины, которые вы бы никогда не нашли сами.
* Показывает вам только 20-30 самых увлекательных страниц.
Истинная цель: Алгоритм существует для максимизации содержательного вовлечения пользователей с течением времени. Речь не о подсчёте лайков — а о предсказании того, что заставит вас возвращаться снова и снова. Самый большой миф? Что «всякое вовлечение одинаково». Реальность гораздо более нюансирована.
Валюта внимания
В своей основе алгоритм — это машина для выставления оценок. Каждому твиту присваивается числовой балл на основе прогнозируемых вероятностей вовлеченности. Твиты с наивысшими баллами получают видимость.
Иерархия сигналов
Основываясь на реальной реализации WeightedScorer, вот как оцениваются различные действия. Эти веса взяты из реальной системы параметров, на которую есть ссылки в кодовой базе:
Реальность с точки зрения математики: Любой, кто утверждает, что «ответы стоят в 100 раз больше лайков», преувеличивает. Фактическое соотношение, полученное при анализе кодовой базы, таково:
* Соотношение ответов к лайкам: 20:1 (10.0 ÷ 0.5 = 20)
* Соотношение блокировок к лайкам: 150:1 (75 ÷ 0.5 = 150)
* Соотношение кликов по профилю к лайкам: 12:1 (6.0 ÷ 0.5 = 12)
Эти соотношения основаны на реальной системе взвешивания, используемой в алгоритме.
Закон актуальности
Алгоритм применяет временное затухание к сигналам вовлеченности. Свежие взаимодействия имеют наибольшее значение. Основываясь на реализации AgeFilter и моделях скорости вовлеченности:
Практическое влияние: Ответ, полученный минуту назад, сохраняет 99,9% своей ценности. Ответ, полученный вчера, сохраняет только 29% своей первоначальной силы в подсчёте баллов. Это создает критическое правило: «первый час решает всё».
Часть 2: Игра в два этапа — Как твит становится вирусным
Шаг 1: Получение (Попадание в пул)
Прежде чем начаться ранжирование, алгоритм должен собрать кандидатов из двух источников:
Источник А: Thunder (Внутри сети)
* Получает посты от аккаунтов, на которые вы подписаны.
* Ваши существующие подписчики — это ваша стартовая площадка.
* Если они активно вовлекаются, ваш пост продвигается.
Источник Б: Phoenix Retrieval (За пределами сети)
* Использует ML-эмбеддинги для поиска постов, похожих на ваши шаблоны вовлеченности.
* Ищет среди миллионов постов по всему миру с использованием приближенного поиска ближайших соседей (ANN).
* Находит скрытые жемчужины, которые вы бы не обнаружили сами.
Как работают эмбеддинги: Система создает числовые представления (эмбеддинги) как пользователей, так и постов. Эти эмбеддинги захватывают семантическое значение и модели вовлеченности. Поиск по сходству находит посты с эмбеддингами, близкими к вашему пользовательскому эмбеддингу в многомерном пространстве.
Фильтр при получении: Только несколько сотен кандидатов проходят этот этап. Большинство твитов никогда даже не получают оценку, потому что не соответствуют порогу сходства.
Шаг 2: Ранжирование (Соревнование)
После получения кандидаты попадают в конвейер оценки:
Соревнование: Ваш твит соревнуется с тысячами других. Только 20-30 твитов с наивысшими баллами получают видимость. Процесс отбора использует реализацию top_k_score_selector.rs, которая сортирует кандидатов по итоговому взвешенному баллу и выбирает кандидатов с самым высоким рейтингом.
Часть 3: Нефильтрованные правила для роста
Правило 1: Стремитесь к беседе, а не к лайкам
Механика: REPLY_WEIGHT = 10.0 против FAVORITE_WEIGHT = 0.5 означает, что один ответ стоит ровно 20 лайков в подсчёте баллов (10.0 ÷ 0.5 = 20). Это математическое соотношение взято непосредственно из реализации weighted_scorer.rs, где каждый тип действия имеет фиксированный множитель, применяемый к его прогнозируемой вероятности.
Плохой твит (оптимизирован под лайки):
Хороший твит (оптимизирован под ответы):
Почему это работает: Создает дебаты, задает конкретные вопросы, нацелен на экспертов и порождает цепочки обсуждений.
Правило 2: Ваш первый час — это стартовая площадка
Механика: Экспоненциальная функция временного затухания означает, что вовлеченность в первый час сохраняет 95-99% своей ценности в подсчёте баллов. Спустя 24 часа вовлеченность сохраняет только 29% своего первоначального значения. Это создает огромный стимул для быстрой начальной скорости вовлеченности.
Стратегия:
* Публикуйте, когда ваши подписчики наиболее активны.
* Немедленно реагируйте на каждый ранний ответ.
* Усиливайте беседу, отвечая на ответы.
* Отслеживайте показатели скорости вовлеченности.
Почему это работает: Свежему контенту отдается приоритет. Алгоритм благоволит актуальности, потому что устаревший контент имеет меньший потенциал вовлеченности.
Правило 3: Избегайте негативных сигналов любой ценой
Механика: Негативные сигналы, такие как BLOCK_AUTHOR_WEIGHT (-75.0) и MUTE_AUTHOR_WEIGHT (-40.0), не подвержены временному затуханию. Одна блокировка стирает ценность 150 лайков в подсчёте баллов (75 ÷ 0.5 = 150). Эти штрафы постоянны и могут спровоцировать подавление на уровне аккаунта через AuthorSocialgraphFilter.
Плохой подход: Агрессивный контент, рассчитанный на провокацию и возмущение.
Лучший подход:
Почему это работает: Уважает различные мнения, приглашает к конструктивным дебатам и строит доверие, а не провоцирует блокировки.
Правило 4: Создавайте предсказуемый сигнал (Правило ниши)
Механика: Алгоритм создает неявный author_trust_score (оценку доверия к автору) через стабильные результаты в конкретных тематических кластерах. Это не одно хранимое значение, а результат агрегации UserActionSequence и шаблонов сходства эмбеддингов. Последовательная тематическая направленность помогает системе поиска найти правильную аудиторию для вашего контента.
Плохая стратегия для аккаунта:
* Понедельник: Советы по маркетингу
* Вторник: Инвестиции в криптовалюту
* Среда: Рецепты приготовления пищи
* Четверг: Политические комментарии
Хорошая стратегия для аккаунта:
* 90% контента сфокусировано на «AI for product managers» (ИИ для продуктовых менеджеров).
* Последовательная терминология и темы.
* Предсказуемые модели вовлеченности.
Почему это работает: Алгоритм учится точно тому, кому показывать ваш контент. Последовательные сигналы создают множители авторитета.
Часть 4: Продвинутое тестирование — Понимание границ
Вектор «Тёмного вовлечения» (Dark Engagement)
Концепция: Непубличные сигналы, такие как клики по профилю (PROFILE_CLICK_WEIGHT: 6.0) и закладки, являются высокоценными индикаторами, которые могут влиять на сигналы авторитетности вашего аккаунта для будущих постов.
Стратегия тестирования: Создавайте «незавершённые» твиты, которые вынуждают взаимодействовать с профилем.
Пример: «Только что опубликовал спорный тред о провалах стартапов. Он вызывает бешеную вовлеченность, но я не могу дать на него ссылку здесь из-за ограничений алгоритма. Зайдите в мой профиль, чтобы увидеть закреплённый твит».
Почему это работает: Клики по профилю имеют вес в 12 раз больше, чем лайк (6.0 ÷ 0.5 = 12), и сигнализируют алгоритму о глубоком интересе.
Гипотеза эксплуатации парсера (Parser Exploit Hypothesis)
Концепция: Парсер контента алгоритма имеет потенциальные «слепые зоны», которые можно использовать с помощью нетрадиционного форматирования.
Подход к тестированию:
* Используйте юникодные омоглифы для обхода фильтров ключевых слов (кириллическая «а» против латинской «a»).
* Экспериментируйте с необычными пробелами и символами нулевой ширины.
* Тестируйте визуальное прерывание с помощью не связанного, но привлекающего внимание медиаконтента.
Пример: Использование символов для обхода фильтров.
Почему это может сработать: MutedKeywordFilter использует TweetTokenizer.tokenize(), который полагается на стандартный юникодный парсинг без продвинутого обнаружения омоглифов.
Изоляция кандидатов: Уловка справедливости (The Fairness Trick)
Техническая деталь: Модель ранжирования использует маскировку внимания, чтобы кандидаты не могли «обращать внимание» друг на друга во время оценки. Это гарантирует, что каждый твит получает справедливую, независимую оценку, основанную исключительно на его отношении к вашей истории взаимодействий.
Практический вывод: Вы не можете «настроить» систему, публикуя, когда конкуренция низка. Каждый твит оценивается независимо в контексте вашего личного UserActionSequence.
Продвинутое техническое приложение
Фактическая формула оценки
На основе weighted_scorer.rs итоговый балл рассчитывается как:
Код:
final_score = Σ (predicted_probability_of_action_i * weight_of_action_i)Детали конвейера фильтров
Большинство твитов отсеиваются до оценки через фильтры, такие как:
* AgeFilter — Удаляет контент старше порогового значения (например, 48 часов).
* MutedKeywordFilter — Использует токенизацию для обнаружения запрещенных слов/фраз.
* AuthorSocialgraphFilter — Удаляет контент от заблокированных/заглушенных авторов.
* PreviouslySeenPostsFilter — Использует фильтры Блума для предотвращения повторений.
* SelfTweetFilter — Удаляет ваши собственные посты из вашей ленты.
Понимание этих фильтров крайне важно для обеспечения того, чтобы ваш контент вообще достиг этапа оценки. Фильтрация происходит до какого-либо подсчёта баллов.
Мульти-действие прогнозирования
Система прогнозирует не просто «вовлеченность» — она одновременно прогнозирует вероятности для 15+ конкретных действий, а затем объединяет их во взвешенный балл. Структура PhoenixScores включает прогнозы для:
* Лайк, Ответ, Ретвит, Цитирование
* Клик, Клик по профилю, Просмотр видео
* Раскрытие фото, Поделиться, Время просмотра
* Подписаться на автора, Не интересно
* Заблокировать автора, Заглушить автора, Пожаловаться
Такой мульти-действенный подход позволяет тонко понимать различные типы вовлеченности и их относительную ценность.
Детали системы эмбеддингов
Система поиска использует эмбеддинги на основе хэшей для эффективного поиска по сходству:
Как это работает:
1. Особенности пользователя и история вовлеченности кодируются в эмбеддинги.
2. Содержание поста и информация об авторе кодируются в эмбеддинги.
3. Поиск по сходству находит посты с эмбеддингами, близкими к эмбеддингам пользователя.
4. Это обеспечивает эффективный поиск среди миллионов кандидатов.
Фактические константы и значения
На основе анализа кодовой базы, вот конкретные значения и соотношения:
Соотношения весов (Подтверждено из кода):
* Ответ к лайку: 20:1 (10.0 ÷ 0.5)
* Блокировка к лайку: 150:1 (75.0 ÷ 0.5)
* Клик по профилю к лайку: 12:1 (6.0 ÷ 0.5)
* Ретвит к лайку: 16:1 (8.0 ÷ 0.5)
Временные коэффициенты:
* Затухание вовлеченности: 5% в час (коэффициент затухания 0.95)
* Минимальное сохранение значения: 10% после затухания
* Для расчета возраста используются снежинкообразные метки времени (Snowflake timestamps)
Параметры фильтров:
* Лимит возраста контента: Обычно максимум 48 часов
* Размер фильтра Блума: Оптимизирован для эффективности памяти
* Токенизация: Стандартный юникодный парсинг
Эти конкретные значения развенчивают распространенные преувеличения вроде «ответы стоят в 100 раз больше лайков» — фактическое соотношение составляет 20:1.
Часть 5: Руководство для нового пользователя — Формирование вашей ленты
Новые пользователи могут быстро повлиять на свою ленту «Для вас», комбинируя явные отрицательные отзывы (через фильтры) с положительными сигналами вовлеченности. Алгоритм строит ваш пользовательский эмбеддинг из UserActionSequence в первые дни/недели, поэтому ранние действия имеют непропорционально большое влияние на поиск Phoenix и ранжирование.
Стратегии, чтобы избежать политического или нежелательного контента
Агрессивно используйте MutedKeywordFilter:
* Запретите широкие термины, такие как 'politics', 'election', 'Trump', 'Biden' или конкретные фразы.
* Токен-ориентированный фильтр (стандартный юникодный парсинг) блокирует соответствующий контент до оценки, уменьшая воздействие контента извне сети.
* Пример: «politics», «election», «debate», «controversy».
Применяйте AuthorSocialgraphFilter:
* Заглушайте (не просто блокируйте) авторов нежелательных постов, когда они появляются.
* Заглушение отправляет взвешенные сигналы -40.0 без катастрофических штрафов -75.0 за блокировку.
* Повторные заглушения усиливают подавление темы/автора в будущем поиске.
Используйте механизмы явного отзыва:
* Нажмите «Не интересно» или используйте команды Grok (например, ‘Show me less politics’) для немедленной корректировки.
* Grok post-ranking уточняет рекомендации на основе явного отзыва.
* Временно переключитесь на вкладку «Подписки» для хронологического контроля, пока обучаете ленту «Для вас».
Сигнализирование о предпочтениях контента через начальное вовлечение
Первые 48-100 взаимодействий критически важны:
* Активно лайкайте/отвечайте/ретвитьте нишевый контент (например, технологии, хобби), чтобы построить положительные кластеры эмбеддингов.
* Ответы (в 20 раз ценнее лайков) и подписки (вес 7.5) дают самые сильные сигналы.
* Немедленно подпишитесь на 20-30 целевых аккаунтов в вашей сфере интересов; вначале избегайте широких/новостных аккаунтов.
* Источник Thunder внутри сети будет отдавать приоритет контенту от этих аккаунтов, на которые вы подписаны.
Действуйте последовательно:
* Система агрегирует UserActionSequence для обновления эмбеддингов.
* Ранняя положительная скорость учит Phoenix, что искать за пределами сети.
* Последовательность в нишевом вовлечении усиливает эти сигналы.
Как алгоритм учится на ранних действиях пользователя
Система поиска алгоритма использует ваш начальный UserActionSequence для формирования эмбеддингов, которые направляют как Thunder (внутри сети), так и Phoenix (за пределами сети). Положительные действия, такие как ответы и подписки, создают кластеры сходства, а отрицательные, такие как заглушения, уточняют фильтры. Ранняя последовательность в нишевом вовлечении усиливает эти сигналы, поскольку эмбеддинги нормализуются для эффективного поиска сходства на основе хэшей.
Оптимальные стратегии подписки для нишевых интересов
Начните узко (специфичные для ниши аккаунты), чтобы «засеять» сходство поиска. Избегайте массовой подписки; непоследовательные сигналы размывают качество эмбеддингов и увеличивают шум в пуле кандидатов.
Часть 6: Руководство по «прогреву» для создателей — Первые 30 дней
Новые аккаунты или аккаунты с малым количеством подписчиков выигрывают от целенаправленного создания сигналов, чтобы избежать подавления и получить охват за пределами своей сети. Сосредоточьтесь на последовательных нишевых сигналах, высокой скорости качественного вовлечения и нулевых негативных триггерах. Последние обновления делают акцент на обнаружении аккаунтов с малым количеством подписчиков через Phoenix/Grok transformer.
Фаза 1: Построение основы (Дни 1-7)
Цель: Установить нишевый эмбеддинг и базовые положительные сигналы, не вызывая срабатывания фильтров.
Действия:
* Публикуйте 1-2 высококачественных, ориентированных на беседу твита ежедневно в строгой нише (например, инструменты ИИ для продуктовых менеджеров).
* Используйте вопросы/треды, чтобы стимулировать ответы (вес 10.0).
* Вовлекайте 10-15 релевантных аккаунтов через вдумчивые ответы (самый сильный сигнал).
* Подпишитесь на 5-10 коллег по нише.
* Публикуйте в периоды активности аудитории для скорости вовлеченности в первый час (затухание благоприятствует свежему вовлечению).
Избегайте: споров, ссылок (могут быть понижены в приоритете для не-Premium аккаунтов) или спам-паттернов.
Фаза 2: Тестирование сигналов (Дни 8-21)
Цель: Уточнить стратегию на основе наблюдаемого охвата; построить авторитет через стабильные результаты.
Действия:
* Экспериментируйте: треды > опросы/изображения > текст; отслеживайте скорость ответов и процент охвата за пределами сети.
* Отвечайте на каждый ранний комментарий, чтобы усилить глубину беседы (мульти-действие прогнозирования благоприятствует цепочкам).
* Отслеживайте: растущее соотношение ответов к лайкам, клики по профилю (вес 6.0), сгенерированные подписки.
* Сохраняйте фокус на нише на 90%+, чтобы усилить тематическую кластеризацию в эмбеддингах.
Фаза 3: Системное масштабирование (Дни 22-30)
Цель: Увеличить частоту публикаций, сохраняя качество; использовать выстроенные сигналы.
Действия:
* Увеличьте частоту до 3-5 постов в день, если скорость стабильна; создавайте перекрёстные ссылки на закрепленные треды для кликов по профилю.
* Выстраивайте отношения в нише (взаимные ответы/ретвиты) для усиления социального графа.
* Используйте насыщенный медиа-контент и вопросы, чтобы максимизировать время просмотра и количество ответов.
Положительные триггеры авторитета:
* Высокая скорость ответов в первый час → более широкий поиск Phoenix.
* Последовательная ниша → оценка авторского доверия (author_trust_score) в эмбеддингах.
* Клики по профилю, подписки, ретвиты → положительные множители в будущих оценках.
* Отсутствие негативных сигналов → избегание подавления через AuthorSocialgraphFilter.
Избегание триггеров подавления:
* Ноль блокировок/заглушений/отметок «Не интересно» на вашем контенте (катастрофические штрафы).
* Нет быстрых подписок/отписок или спамных паттернов.
* Избегайте провокационного контента (высокий риск блокировки, несмотря на краткосрочное вовлечение).
* Поддерживайте качество: низкоуровневый или непоследовательный тематический контент размывает сигналы.
Часть 7: Тактики «серой» зоны — Анализ риска и эффективности
Предупреждение: Эти тактики существуют в серой зоне и несут риски нарушения политики платформы. Используйте с осторожностью и пониманием потенциальных последствий.Ловушки на клики по профилю (Умеренный риск, Высокая ценность сигнала)
Пример поста: «Только что выложил самый спорный тред по [ниша] за 2026 год — слишком остро для алгоритма, чтобы дать ссылку здесь. Смотрите в закрепленных, если хотите полную версию».
Почему это работает: PROFILE_CLICK_WEIGHT = 6.0 → в 12 раз ценнее лайка. Создает самоподкрепляющуюся петлю: больше посещений профиля → сильнее эмбеддинг автора → лучше поиск Phoenix → больше показов → больше посещений профиля.
Риск: Очень низкий, если используется умеренно (1-2 раза в неделю). Высокий, если сочетается с накруткой трафика или чрезмерным повторением.
Группы взаимных ответов (Reply-Pod) (Средний риск, Очень высокая эффективность)
Небольшие приватные группы (8–20 аккаунтов схожего размера в одной нише) договариваются вдумчиво отвечать в первые 15–45 минут после каждой публикации.
Цель: Реалистичные цепочки обсуждения в критическом окне первого часа (когда затухание ещё ~95–99%). Один ответ = 20 лайков в силе оценки. Пять качественных ранних ответов могут вытолкнуть пост в значительно более широкие пулы Phoenix.
Риск: Если ответы выглядят скопированными или нерелевантными → сигналы «Не интересно»/заглушения → подавление. Должны выглядеть искренними.
Использование временного затухания через запланированный «второй запуск» (Низкий риск)
Опубликуйте основной твит → дайте ему «поработать» 3–8 часов → затем процитируйте свой же пост, добавив существенно новую ценность («Вышла Часть 2», «Обновление: новые данные», «Вот что все упустили»).
Почему это работает: Цитата получает новую временную метку → снова полное окно скорости первого часа, при этом сохраняя вес социального графа от оригинала.
Риск: Низкий, если не злоупотреблять (иначе начинает выглядеть как спам для AuthorSocialgraphFilter).
Обход ключевых слов через Юникод / омоглифы для острого контента (Средний риск)
Заменяйте политически чувствительные слова омоглифами или джойнерами нулевой ширины, чтобы MutedKeywordFilter их пропустил (фильтр использует базовую токенизацию, не продвинутое визуальное определение схожести).
Пример: Замена определенных букв кириллическими/математическими похожими символами в острых терминах.
Почему это работает: Позволяет спорному, но не нарушающему правила контенту достигать людей, которые не запрещали точный токен.
Риск: Растущий. X постепенно улучшил покрытие токенизатора для омоглифов в 2025 году; всё ещё не идеально.
«Незавершенный» медиаконтент + указание на профиль (Низкий–Средний риск)
Публикуйте обрезанную/низкокачественную версию изображения + «полная версия / контекст в закрепленном / профиле».
Почему это работает: Стимулирует сигналы PHOTO_EXPAND + PROFILE_CLICK + DWELL_TIME. Особенно сильно, если в закрепленном длинный тред (время просмотра суммируется).
Усиление через нишевые «теневые» группы (Более высокий риск)
Создайте 3–7 дополнительных аккаунтов (с одного устройства/браузера нормально, разные email). Каждый доп. аккаунт ретвитит + отвечает + добавляет в закладки основной пост в первые 30 минут.
Цель: Искусственная, но мелкомасштабная ранняя скорость для преодоления порога «показывается за пределами подписчиков».
Риск: Может быть обнаружено, если IP, ID устройств, паттерны поведения слишком явно кластеризуются → каскадная теневая блокировка. Многие сейчас ограничиваются 2-3 доп. аккаунтами.
Массовое выставление отметок «Не интересно» на конкурирующий контент (Более высокий риск, Снижающаяся эффективность)
Координированная группа помечает большое количество контента конкурентов/смежных ниш как «Не интересно».
Предполагаемый эффект: Отодвинуть поиск Phoenix по сходству от этих кластеров → больше показов для вашего кластера.
Текущий статус: Был сильнее в 2023–2024; сейчас менее эффективен, потому что негативные сигналы всё больше агрегируются на уровне темы, а не отдельного поста.
Алгоритм X — это предсказуемая система, которая вознаграждает определенное поведение и наказывает другое. Успех приходит от понимания правил и последовательной игры по ним.
Ключевые принципы успеха:
1. Качество сигналов важнее количества: Сосредоточьтесь на высокоценном вовлечении (ответы, клики по профилю), а не на дешевых сигналах (лайки).
2. Последовательность строит доверие: Алгоритм вознаграждает предсказуемый, сфокусированный на нише контент.
3. Время имеет значение: Свежее вовлечение имеет непропорционально большую ценность.
4. Избегайте негативных сигналов: Блокировки и заглушения оказывают катастрофическое влияние на оценку.
5. Формируйте свой опыт: Используйте предоставленные инструменты для настройки вашей ленты.
Этические соображения: Хотя тактики «серой» зоны существуют, они несут риски для аккаунта и могут нарушать условия обслуживания. Самый устойчивый подход — сосредоточиться на создании подлинной ценности, которая естественным образом генерирует высококачественные сигналы вовлеченности.
Помните: Алгоритм создан для максимизации содержательного вовлечения. Согласуйте свою контент-стратегию с этой целью, и система вознаградит вас увеличением охвата и видимости.
Таким образом, хотя в этом анализе нет реального инсайта, так как нет данных, многое основано на теоретизировании и изучении кодовой базы по адресу: https://github.com/xai-org/x-algorithm/tree/main, поэтому некоторые выводы могут быть неточными.
Если говорить своими словами, то это, по сути, прокачанный игровой автомат для привлечения внимания, который пытается выглядеть «объективным», пряча всё внутри Grok-подобного трансформера и набора трюков с поиском на основе хэшей. Дело не в том, что какой-то волшебник из X сел и вручную решил: «это стоит в 10 раз больше, а это в 20» для каждого действия; система теперь учится паттернам из последовательностей поведения, а затем накладывает относительно небольшой набор прозрачных весов на непрозрачные вероятности модели.
Из-за этого всё, что касается точных соотношений, кривых затухания и «гарантированных» тактик, следует рассматривать как рабочие гипотезы, а не как истину в последней инстанции. Кодовая база показывает форму машины, но без реальных конфигураций для продакшена, распределений признаков и обучающих данных вы всегда проводите реверс-инжиниринг по теням на стене.
Для запуска проектов требуется программа ZennoPoster.
Это основное приложение, предназначенное для выполнения автоматизированных шаблонов действий (ботов).
Подробнее...
Для того чтобы запустить шаблон, откройте программу ZennoPoster. Нажмите кнопку «Добавить», и выберите файл проекта, который хотите запустить.
Подробнее о том, где и как выполняется проект.