Исследователи из НИУ ВШЭ и Центра практического искусственного интеллекта «Сбера» разработали архитектуру CREATE (Cross-Representation Aligned Transfer Encoders) для рекомендательных ИИ-систем.

Разработка объединяет два наиболее используемых в этих алгоритмах подхода — на основе трансформерных и графовых архитектур. Исследователи предложили обучать рекомендательную модель в два этапа. Сначала тренируется графовая часть, которая отвечает за анализ связей между товарами. Затем подключается трансформер, который прогнозирует последовательность товаров в истории пользователя. CREATE настроили так, чтобы модель научилась использовать и глобальные связи, и хронологию действий как единый механизм.

Проверка системы на Open Source — датасетах показала, что архитектура стабильно превосходит последовательные и графовые модели, а также гибридные подходы. Точность предсказания следующего товара на основании поведенческих профилей пользователей у CREATE по сравнению с аналогами была выше в среднем на 12,5%. Добавление информации о свойствах, категориях и связях между товарами повысило качество выдачи, понизило пропуски релевантных позиций и сделало более разнообразным список рекомендаций.

Препринт научной статьи о CREATE опубликован на arXiv.

В августе 2026 года «Сбер» и AIRI представили открытый инструмент SplitLight для проверки данных перед обучением рекомендательных ИИ-моделей.