Systèmes de recommandation en production qui apprennent et s’adaptent en continu aux signaux des utilisateurs, aux données et aux contraintes opérationnelles.
Mallika Rao explique que le succès des systèmes de recommandation adaptatifs dépend de la conception de l’ensemble du système, et pas uniquement de la précision du modèle. Les priorités comprennent les boucles de rétroaction en temps réel, la fraîcheur de la récupération, la coordination des étapes, ainsi que la maîtrise de la latence, des coûts et de l’observabilité.