Netflix 主页是一个高度个性化且结构化的内容发现界面。传统上，其生成涉及复杂的多阶段流水线。GenPage 是一种新颖的方法，利用单个生成式 Transformer 模型自回归地构建整个主页。该端到端模型以用户上下文为提示，同时生成行、实体和布局。关键目标包括简化推荐栈、通过强化学习实现整页优化，并提升可扩展性与灵活性。生产挑战涉及实时服务延迟、实体冷启动以及保持模型新鲜度。在 A/B 测试中，GenPage 显著提升了用户参与度并降低了服务延迟。数据被分词为表示用户信息的上下文令牌和表示主页结构的页面令牌。与通用文本分词相比，领域特定的分词提升了计算效率并增强了对产品的控制。用户历史、个人资料和请求上下文构成提示，而实体和行则作为令牌出现在生成的页面中。系统采用基于用户反馈的奖励机制来量化推荐价值并指导训练。GenPage 采用标准的仅解码器 Transformer 架构，并遵循类似大语言模型的训练流程，即预训练和后训练。预训练使用下一个令牌预测来教授模型主页的语言，随后通过加权二元分类或强化学习进行后训练。这种生成式方法为优化整个 Netflix 主页体验提供了更加集成和直接的途径。