据MarkTechPost于2026年10月5日报道，Yandex公布Sona技术报告，介绍一种将候选生成、预排序和排序合并到单一系统的生成式AI推荐模型。该模型已在Yandex智能音箱上完成为期七天的线上生产实验，并以一个在线服务的Transformer取代超过15个候选生成器、预排序阶段和排序阶段。

传统生产推荐系统多采用级联：候选生成、预排序和重排序分层运行，重排序依赖数百个工程特征。Sona把候选生成和排序统一到一个共享用户表示上，编码器每次请求只读取一次听众历史，解码器生成候选，排序模块用同一编码器状态打分。报告称，Sona不使用手工工程特征，输入为日志事件字段和学习的语义ID。在Yandex智能音箱上，播放可在用户未先选择艺术家、流派或情绪时开始，团队称其为纯推荐设置。

Sona的语义分词器把每首曲目表示为3个离散代码。一个冻结多模态大语言模型仅用预填充模式读取前90秒梅尔频谱及标题、艺术家和标签，再由4层细化Transformer通过InfoNCE对齐收听行为，残差K-means量化为3个各32000条目的码本。报告称，该方案使Recall@1000从CLMR基线的0.8111升至0.8524。编码器关注8192个历史事件，其中最近2048个事件经7层自注意力，较早事件只经交叉注意力和1个全历史层，以约一半推理成本保留大部分质量。2层解码器用宽度1024的约束束搜索输出语义ID元组，目录前缀树阻止无效前缀；4层交叉注意力的排序模块为扩展出的曲目打分。

排序模块从冻结教师排序器学习。教师是0.6B参数Transformer，在一年互动事件上先进行下一项预测预训练，再进行多头排序微调；移除预训练后，加权配对准确率从0.6215降至0.6153。团队称其蒸馏方法为Rollout Distillation：训练时当前解码器生成束候选，教师为其和日志曝光打分，排序模块以平均绝对误差回归。联合损失为L = L_NTP + L_rollout + L_impression，两个损失都更新共享编码器；服务时教师被移除。训练保持在线，事件以15分钟窗口聚合成会话，新权重每10分钟到达服务端。端到端延迟中位数45分钟、p99为60分钟，服务运行在NVIDIA Triton并达到41%模型FLOPs利用率。

最终实验在线上流量中运行7天，每个分桶随机选择15%用户。报告列出的变化均具统计显著性，且相对于生产控制组：活跃用户（主要指标）+4.53%，总收听时长+6.30%，点赞+11.42%，“重复”命令+17.99%，深度参与用户+7.37%。这些增益叠加在此前部署保留的改进之上。在活跃用户上，Sona的提升是Argus此前在该界面实现的+1.93%增量的2.35倍。

Sona并非首个投入生产的端到端生成式推荐系统。快手OneRec已服务单一编码器-解码器模型，Meta的HSTU生成式推荐器在2024年把推荐重新表述为用户行为序列转导。报告称，Sona结合的是完整级联替换、不使用手工工程特征以及经过在线验证的蒸馏排序器。