Meta aprofunda otimização de funil com representação hierárquica de interesses para anúncios

A Representação Hierárquica de Interesses (Hierarchical Interest Representation) da Meta introduz uma camada upstream para otimização de funil profundo em anúncios. Ela trabalha comprimindo bilhões de usuários e entidades em clusters de interesses latentes, enriquecidos por conteúdo de anúncios que passa por Large Language Models (LLMs). Essa abordagem cria um espaço unificado para pontuar qualquer usuário ou entidade. A arquitetura se baseia em um grafo massivo de interações, utilizando um codificador hierárquico baseado em transformadores e otimizações como FlexAttention para capturar relações de longo alcance de forma eficiente.

O sistema é treinado de ponta a ponta com dados reais de anúncios da Meta, lidando com a escassez de dados de funil profundo. Ele usa auto supervisão com um esquema de professor-aluno, onde um