Ketika Anda memikirkan algoritma umpan, ada banyak loop cerdas yang beroperasi di sana. Ada lapisan inferensi model aktual, yang melihat hal-hal terbaru yang Anda klik dan item terbaru dalam inventaris untuk membuat keputusan mikrodetik tentang apa yang akan ditunjukkan kepada Anda

Lalu ada lapisan pelatihan otomatis - perusahaan menginstruksikan alur aliran data raksasa fitur input dan keterlibatan pengguna dan melatih ulang model *setiap hari*. Kesegaran model memastikan bahwa Anda sebaik mungkin distribusi. Kursor mengatakan mereka meluncurkan model baru *per jam*

ada lapisan loop luar ML, di mana para ilmuwan benar-benar bekerja untuk mencoba algoritme baru dan melihat bagaimana kinerjanya dalam tes A / B langsung dan metrik offline. Ketika mereka melakukannya, mereka mengubah aliran data dan proses pelatihan berkelanjutan daripada hanya melatih 1 model baru

itu semua adalah kontinum dan loop OODA yang dioptimalkan di banyak lapisan a abstraksi yang mendekati seruan baru-baru ini untuk "pembelajaran berkelanjutan". sistem ML "klasik" yang menciptakan triliunan pendapatan ini layak dipikirkan lebih dalam tentang sifat kecerdasan yang berguna