Pinterest ha sostituito il suo sistema in più fasi per raggruppare gli interessi degli utenti con un modello linguistico Qwen3 da 4 miliardi di parametri, ottimizzato con un fine-tuning. L’azienda afferma che un primo test negli Stati Uniti e in Canada ha aumentato dell’1,1% il tasso di clic sulle email e dell’1,3% le aperture delle notifiche push rispetto al sistema precedente.
Pinterest definisce “percorso” un obiettivo che collega gli interessi, le intenzioni e le circostanze di una persona nell’arco di più sessioni. Per esempio, cercare mobili da cucina, salvare idee per i piani di lavoro e in seguito consultare piastrelle o illuminazione può indicare un unico progetto di ristrutturazione, anziché interessi separati. Il modello usa i percorsi dedotti nel sistema di raccomandazione già esistente di Pinterest, che non viene sostituito.
Come funziona il nuovo sistema?
Il vecchio processo estraeva parole chiave dalle attività, le raggruppava tramite embedding e clustering gerarchico, poi usava altri modelli e regole per dare un nome ai gruppi e ordinarli. Secondo Pinterest, questo poteva separare azioni correlate in percorsi distinti, generare etichette vaghe o interpretare un clic occasionale come un interesse duraturo.
Il nuovo modello legge una sequenza cronologica di un massimo di 150 azioni svolte nell’arco di 360 giorni, insieme a un profilo utente sintetico, e genera nomi ordinati per i percorsi. Le ricerche e i salvataggi hanno più peso dei clic occasionali. Le istruzioni che riceve danno rilievo alla ripetizione delle attività, alla loro recenza e al livello di specificità. Gli viene anche chiesto di non unire interessi non correlati, escludere le attività isolate e non indicare alcun percorso quando le prove sono insufficienti.
Pinterest ha usato modelli più grandi per creare esempi sintetici di addestramento a partire dalle cronologie delle attività, poi ha ottimizzato con il fine-tuning modelli Qwen3 più piccoli e con pesi aperti. Dopo aver testato modelli da 0,6 a 8 miliardi di parametri, ha scelto la versione da 4 miliardi per bilanciare la qualità dell’inferenza e la velocità di esecuzione. Pinterest la esegue con NVIDIA Dynamo e vLLM su GPU L40S e non ripete l’inferenza per gli utenti i cui percorsi sono stati generati nei giorni precedenti.
Che cosa ha misurato Pinterest?
Pinterest valuta la qualità dei percorsi con confronti affiancati, un modello linguistico separato che giudica se un percorso è pertinente e supportato dalle attività, e test online. L’azienda riferisce aumenti statisticamente significativi del coinvolgimento e della fidelizzazione nei primi test A/B, oltre agli incrementi dei tassi di clic e di apertura. Nel resoconto fornito non ha indicato l’entità dell’aumento della fidelizzazione.
L’approccio ricorda l’uso, da parte di Netflix, di sequenze lunghe di attività degli utenti per migliorare i sistemi di raccomandazione. Pinterest genera descrizioni esplicite dei percorsi, mentre Netflix ha descritto la creazione di rappresentazioni riutilizzabili delle preferenze: entrambi integrano il comportamento a lungo termine nei sistemi di personalizzazione esistenti.
Perché conta
Per gli utenti di Pinterest, la modifica potrebbe rendere le email e le notifiche push relative ai progetti più coerenti con attività distribuite su più visite; nei primi test Pinterest riferisce tassi di clic e di apertura più alti. I risultati non dimostrano che tutti gli utenti riceveranno raccomandazioni più pertinenti, né indicano l’entità del miglioramento della fidelizzazione.
