· 2 मिनट पढ़ना
Spotify ने संवाद-आधारित संगीत सुझाव एजेंट से मिले लाभ बताए
Spotify की एक शोध टीम ने बताया कि संगीत सुझाव देने वाला एजेंट बनाने के लिए उसने अनुकरण किए गए संवादों और स्वचालित प्रॉम्प्ट सुधार का इस्तेमाल किया। टीम के अनुसार, A/B परीक्षणों में इस सिस्टम ने सुनने के समय और साप्ताहिक सक्रिय उपयोगकर्ताओं की संख्या बढ़ाई। इसकी तुलना ऐसे फीचर से की गई, जो सिर्फ़ मौजूदा सुनने के सत्र में बदलाव करने तक सीमित था।
Oossa · Oossa के बारे में
Spotify के शोधकर्ताओं का कहना है कि संवाद-आधारित सुझाव एजेंट ने ऑनलाइन A/B परीक्षणों में सुनने के समय और साप्ताहिक सक्रिय उपयोगकर्ताओं की संख्या बढ़ाने में मदद की। यह सिस्टम लोगों को साधारण भाषा में अपनी पसंद बताने देता है—मसलन, “ऐसे इतालवी इंडी कलाकार, जिन्हें मैंने पहले नहीं सुना”—जबकि पहले वे सिर्फ़ मौजूदा सुनने के सत्र में बदलाव मांग सकते थे।
ये नतीजे 28 सितंबर, 2026 को arXiv पर प्रकाशित एक शोधपत्र में सामने आए हैं, जिसे RecSys 2026 के शोधपत्र के रूप में भी सूचीबद्ध किया गया है। लेखकों के मुताबिक, Spotify के पहले वाले सत्र-सुधार अनुभव की तुलना में उपयोगकर्ताओं के सुनने का समय 14% बढ़ा, साप्ताहिक सक्रिय उपयोगकर्ताओं की संख्या 5% बढ़ी और गाने छोड़ने की दर 5% कम हुई।
सिस्टम कैसे बनाया गया
टीम ने लॉन्च से पहले की एक चुनौती पर ध्यान दिया: एजेंट को योजना बनाना सिखाना—जिसमें यह तय करना भी शामिल है कि कौन-से टूल इस्तेमाल करने हैं और किस क्रम में—जब सीखने के लिए असली उपयोगकर्ताओं के संवाद अभी उपलब्ध न हों। उनकी प्रक्रिया एक बार में दिए गए प्रॉम्प्ट को कई चरणों वाले अनुकरणित संवादों में बदलती है, ताकि टीम एजेंट को पहले ही परख सके।
इसके बाद योजना बनाने और टूल इस्तेमाल करने में हुई गलतियों को ढूँढ़ने और सुधारने के लिए एक स्वचालित सुधार चक्र का उपयोग किया जाता है। इस तरीके में एजेंट के अलग-अलग जवाबों की तुलना की जाती है और कोडिंग एजेंट की मदद से बार-बार बदलाव किए जाते हैं। शोधकर्ताओं का कहना है कि इससे पहले से ही काफी बेहतर बनाए गए मैन्युअल प्रॉम्प्ट के मुकाबले गुणवत्ता 8% बढ़ी। उनका यह भी कहना है कि इस प्रक्रिया से विकास चक्र छोटा हुआ, हालांकि शोधपत्र के सार में समय का कोई अनुमान नहीं दिया गया है।
नतीजे क्या दिखाते हैं
सुनने के समय और जुड़ाव के जो आँकड़े बताए गए हैं, वे एक खास पुराने अनुभव के साथ की गई ऑनलाइन जाँच से आए हैं; इनकी तुलना Spotify इस्तेमाल करने के हर तरीके से नहीं की गई। शोधपत्र के सार में यह नहीं बताया गया है कि कितने लोगों ने हिस्सा लिया, परीक्षण कितने समय तक चले या यह एजेंट सभी उपयोगकर्ताओं के लिए उपलब्ध है या नहीं।
यह काम मुख्य रूप से विकास की एक विधि पर केंद्रित है: एजेंट को लॉन्च से पहले और उसके दौरान बेहतर बनाने के लिए बनाए गए संवादों और स्वचालित संशोधनों का इस्तेमाल। इस तरीके से टीमों को प्राकृतिक भाषा में सुझाव देने वाले टूल परखने में मदद मिल सकती है, भले ही शुरुआत में उनके पास वास्तविक दुनिया के संवादों का बहुत कम डेटा हो।
यह क्यों मायने रखता है
सुनने वालों के लिए, इस तरीके का मकसद रोज़मर्रा की विस्तृत भाषा में संगीत की पसंद बताना आसान बनाना है। बताए गए नतीजे उत्साहजनक हैं, लेकिन शोधपत्र का सार परीक्षण में शामिल लोगों की संख्या या उसकी अवधि नहीं बताता और यह भी साबित नहीं करता कि एजेंट सभी के लिए उपलब्ध है।
स्रोत और संदर्भ
| # | स्रोत | प्रकाशक | तारीख | मुख्य बात |
|---|---|---|---|---|
| 1 | Bootstrapping Conversational Recommendation Agents At Spotify: Synthetic Data Generation and Self-Improvement Loops ↗ | arXiv | 28 सित॰ 2026 | arXiv:2609.30297v1 Announce Type: new Abstract: Conversational recommendation agents are a new paradigm for content discovery, enabling user |
1 स्रोत
अंतिम अपडेट:
Oossa · न्यूज़लेटर
AI का हफ़्ता, आसान भाषा में
हर सोमवार: जानने लायक खबरें, सरल भाषा में। मुफ़्त, कोई स्पैम नहीं।