Das Empfehlungssystem des Pinterest-Startfeeds hat ein mehrstufiges Design angenommen, und das Team hat einen wichtigen Meilenstein mit einer sophisticateden Vor-Ranking-Schicht erzielt, die Geschäftsmetriken verbessert hat. Das ursprüngliche Design hatte Einschränkungen, darunter Bereitstellungsbemühungen, Herausforderungen bei der automatischen Neu-Trainierung von Modellen und eine Zweiturm-Architektur, die nicht in der Lage war, Item-Interaktionen effektiv zu erlernen. Das Team hat grundlegende Verbesserungen vorgenommen, um die Vor-Ranking-Schicht zu modernisieren, einschließlich eines neuen System-Entwurfs, einer Logging-Pipeline und einer Servier-Architektur. Das neue Design umfasst eine request-ebene Unterkomponente und eine item-ebene Unterkomponente, die gemeinsam trainiert und während der Servierung entkoppelt werden. Das Team hat auch eine frühe Trichter-Logging-Pipeline implementiert, um die Vor-Ranking von der Rangfolge zu unterscheiden und unvoreingenommene Daten in die Ausbildung aufzunehmen. Die Servier-Architektur-Entwurf umfasst eine Wurzel-Blatt-Architektur, um CPU- und Speicher-Overhead zu minimieren. Das Team hat auch die Modell-Destillation angenommen, um das Vor-Ranking-Modell besser mit dem L2-Ranker auszurichten. Online-Experimente haben signifikante Gewinne bei der Engagement-Verhaltensweise gezeigt, und das Team hat auch an der Einrichtung eines Auto-Neu-Trainierungs-Rahmens gearbeitet, um frische Engagement-Daten auszunutzen. Das Team arbeitet weiter an Modell-Innovationen, Daten-Stichproben, Verbesserungen der Modell-Architektur, Verlust-Exploration und Servier-Optimierung.