推荐算法开始从猜测兴趣走向理解表达。Meta最新推出的Facebook AI工具允许用户用自然语言告诉系统自己想多看或少看什么，Feed与Reels的推荐会在当前使用会话中随反馈实时调整。

10月13日，Meta在官方新闻中心发布“Your algorithm”功能及新的反馈方式。传统推荐主要从点赞、评论、观看时长等大量行为信号推测兴趣，新方案则增加一个直接通道：用户可以主动管理兴趣主题，也可以解释某条内容为什么喜欢或不喜欢。

从二选一按钮扩展为自由表达

Facebook此前已经提供“感兴趣”和“不感兴趣”等反馈，但这类信号通常只能表达方向，难以说明具体原因。相同一段旅行视频，用户可能喜欢的是摄影风格，也可能只是关注某个城市；简单点击无法区分这些意图。

新功能会在用户选择“感兴趣”或“不感兴趣”后，视情况继续询问更具体的偏好。用户可以用自己的话描述希望多看或少看的内容，不必从平台预设的少量标签中选择。Meta称，大语言模型能够理解自然语言中的兴趣、上下文和意图，并把这些信息与既有行为信号结合。

“Your algorithm”成为可管理的兴趣面板

用户可通过帖子右上角的三点菜单进入“Your algorithm”，直接添加、查看和管理希望出现在Feed与Reels中的主题。Meta还调整了三点菜单，让相关个性化入口更容易找到。推荐系统会根据新增或修改的主题作出响应，而不是等待用户经过长时间浏览后再重新推断。

这意味着推荐控制从零散的帖子级反馈，进一步变成显式的兴趣管理。对用户而言，算法不再完全是后台不可见的排序系统，而更像一个可以提出要求、立即观察变化的交互对象。不过，功能效果、可用地区以及不同内容类别的响应程度，仍应以实际上线版本为准。

自然语言补充行为信号，而不是完全取代

Meta表示，现有排名系统会综合用户点赞、评论、观看等数千种信号。新机制不是删除这些信息，而是把自由文本与平台已经了解的偏好放在一起。大语言模型负责识别一句话背后的语义，例如用户说“少给我看夸张标题，但保留真正的科技新闻”，系统需要理解其中包含两个不同条件。

实时调整也让偏好能够反映短期情境。一个人可能平时关注美食，但旅行前一周更需要当地交通和景点信息；如果自然语言反馈能在同一会话中生效，就不必用大量点击重新训练推荐结果。反过来，这也要求系统区分临时需求与长期兴趣，避免一次表达永久压制某类内容。

更强控制同时带来透明度与评估问题

可对话的推荐算法能减少“为什么总给我看这些”的挫败感，但用户仍需要知道哪些表达已经生效、影响哪些版块、持续多长时间，以及如何撤销。若系统只是接受文字却没有清晰反馈，控制感可能停留在界面层面。自由文本中还可能包含敏感信息，平台需要通过明确说明帮助用户判断哪些内容适合提交。

编辑观察：推荐系统的竞争正在增加“可控性”维度

过去平台主要比较推荐是否精准、能否提升停留时长；下一阶段还要回答用户能否看懂、纠正和重设算法。对内容平台、电商和企业知识系统而言，可以借鉴的并非简单增加一个聊天框，而是建立从用户表达、意图解析、排序调整到结果解释的完整闭环。

产品团队可重点衡量反馈后的相关性改善速度、用户撤销率、同类内容误伤比例，以及短期偏好是否污染长期画像。自然语言让推荐系统获得更丰富的输入，但真正的用户控制还需要可见、可验证和可恢复。只有当用户能够确认自己的要求确实改变了结果，“与算法对话”才不只是一个新交互入口。

配图为AIcent原创AI生成实景风格示意图，非官方新闻现场照片，不使用第三方新闻图片。

参考来源：Meta官方新闻中心（2026年10月13日）。正文为基于官方消息的中文整理，编辑观察与事实披露分开呈现。