Inside The Tech – Rešitev za personalizacijo na Robloxu – Blog Roblox

Ponovno objavil Platon

Spremljevalci: 0

Znotraj Tech je serija blogov, ki gre z roko v roki z našimi Podcast Tech Talks. Tukaj se poglobimo v ključne tehnične izzive, s katerimi se spopadamo, in delimo edinstvene pristope, ki jih uporabljamo za to. V tej izdaji Znotraj Tech, smo govorili z višjo vodjo inženiringa Michelle Gong, da bi izvedeli več o tem, kako delo ekipe za personalizacijo pomaga uporabnikom Robloxa najti izkušnje, ki jim bodo všeč.

Katere tehnične izzive rešujete?

Naša ekipa – Personalization, ki je v skupini Growth – je odgovorna za zagotavljanje prilagojenih in ustreznih priporočil našim uporabnikom. Ljudem želimo omogočiti, da najdejo vsebino, ki jim bo všeč, spodbujati dolgoročno sodelovanje na Robloxu in povezati izkušnje z ljudmi, ki so prave zanje.

Danes imamo 66 milijonov dnevno aktivnih uporabnikov, vendar se to število vsako leto poveča za približno 20 %, kar pomeni, da prihaja vse več podatkov. Velik tehnični izziv je torej ohraniti odzivnost v realnem času in zagotoviti, da prilagojena priporočila ne ne zahteva dolgega čakanja, vse brez povečanja stroškov serviranja. Pravzaprav je to eden od razlogov, zakaj smo lani popolnoma obnovili našo zaledno infrastrukturo.

Ko rastemo, se sprašujemo, kako lahko izboljšamo uporabniško izkušnjo, ne da bi potrebovali veliko dodatne računalniške moči. Menimo, da bi lahko bilo strojno učenje del odgovora, vendar smo videli, da lahko rešitve ML uporabljajo več računalniških virov – kar povečuje stroške –, ko se podatkovni modeli povečujejo. To za nas ni prilagodljivo, zato si prizadevamo izboljšati iskanje in razvrščanje v realnem času, ne da bi pri tem nastali dodatni stroški.

Katere so nekatere od inovativnih rešitev, ki jih gradimo za reševanje teh tehničnih izzivov?

Gradimo sistem priporočil, ki ljudem pomaga hitro odkriti vsebino, ki je zanje najbolj pomembna. Da bi to naredili, se učimo, kako uporabiti najnaprednejše tehnologije ML za problem. V te sisteme smo na primer vključili samonadzorovano učenje, napredne arhitekture in tehnike iz velikih jezikovnih modelov (LLM) in vrednotenje nasprotnih dejstev.

Obstaja veliko naprednih vnaprej usposobljenih LLM, vendar jih ne moremo uporabiti neposredno, ker povzročajo visoke stroške strežbe. Namesto tega usposabljamo lastne modele z uporabo tehnik, ki se pogosto uporabljajo za izdelavo LLM. En primer je modeliranje zaporedja, saj sta tako jezik kot uporabniška zgodovina igranja Roblox zaporedja. Želimo razumeti, kateri del uporabnikove zgodovine igranja lahko napove njihova trenutna in prihodnja zanimanja in preference. Ta model nam pri tem pomaga.

Istočasno se samonadzorovano predstavitveno učenje zdaj pogosto uporablja v računalniškem vidu in razumevanju naravnega jezika, to tehniko pa uporabljamo v naših sistemih priporočil.

Kaj so ključne izkušnje pri tem tehničnem delu?

Robloxov cilj je povezati milijardo uporabnikov, za to pa moramo identificirati rešitve, ki uravnotežijo uporabnost in stroške. Ko to počnemo učinkovito, lahko več vlagamo v našo skupnost.

Odločili smo se na primer za naložbo v lastne podatkovne centre in ta stava se obrestuje. Največja stvar, ki smo se jo naučili, je, da ko imamo sredstva in sposobnost, da nekaj naredimo sami, je učinkoviteje ustvariti nekaj namenskega, kot pa plačati za tehnologijo tretjih oseb. Z gradnjo naših platform in naših modelov od začetka lahko sledimo inovativnim rešitvam, ki so optimizirane za naše poslovanje ter naše omejitve virov in zahteve.

Katera vrednost Robloxa se po vašem mnenju najbolje ujema s tem, kako se vi in vaša ekipa spopadate s tehničnimi izzivi?

Spoštujte skupnost. Zelo nam je mar za naše ustvarjalce in razvijalce. Njihova mnenja so res pomembna. Povratne informacije razvijalcev jemljemo zelo resno. Veliko časa porabim za odgovarjanje na vprašanja razvijalcev neposredno v sodelovanju z našo ekipo za odnose z razvijalci. Če smo si vzeli čas za razumevanje njihovih povratnih informacij in videli, kako lahko izboljšamo našo platformo zanje, nam je pomagalo zagotoviti, da se osredotočamo tudi na prave stvari.

Rekel bi tudi, da gledate dolgo. Robloxu sem se pridružil, ker resnično verjamem v Davovo vizijo dolgoročnega pogleda. Pravzaprav se pri vsakodnevnem delu izogibamo ustvarjanju kratkoročnih hekerskih rešitev. Namesto tega poudarjamo gradnjo načelnih, zanesljivih in razširljivih rešitev, ker gradimo za prihodnost.

Kaj vas pri Robloxu in vaši ekipi najbolj navdušuje?

Imamo toliko edinstvenih izzivov. Gradnja sistemov priporočil kot dvostranskega trga in za dolgoročno zadrževanje uporabnikov je velika priložnost za rast. Razmišljamo pa tudi o stvareh, kot sta vizualno razumevanje in razumevanje besedila za primere uporabe, kot so priporočila, iskanje, zaupanje in varnost itd.

Poleg tega smo strukturirani tako, da se lahko zelo hitro premikamo in smo zelo učinkoviti. Vsak član ekipe je izjemno zagnan in navdušen nad izzivi, ki jih imamo. Če se sliši kot nekaj, kar vas zanima, imamo mesto za vas.

Če to zveni kot izzivi in priložnosti, ki jih želite sprejeti, si oglejte naše razpoložljive vloge roblox.com/careers.