Т-Банк (входит в «Т-Технологии») разработал и выложил в открытый доступ фреймворк Perseus для обучения рекомендательных моделей искусственного интеллекта на историях клиентских транзакций.

Библиотека объединяет данные о пользователе из разных источников (просмотров, покупок, взаимодействий с рекламой) в одну общую последовательность событий, представляемую в виде эмбеддинга. Для этого могут использоваться трансформерные модели различных архитектур (BERT, ModernBERT, HSTU, Mamba, LiGR), содержащиеся в Perseus. Для работы фреймворка используются файлы в формате YAML.

Полученные эмбеддинги дают возможность обучать рекомендательные ML-модели сразу на нескольких задачах, а также осуществлять их инференс. Фреймворк может использоваться для задач поиска наиболее релевантных данных (позволяет осуществлять персонализацию), регрессии (предсказания числовых величин, к примеру, среднего чека), классификации, сортировки. За счет Perseus возможно масштабировать ML-персонализацию на разные экосистемные продукты и сервисы.

В дальнейшем разработчики планируют добавить в фреймворк предобученные рекомендательные модели, а также интегрировать Perseus в онлайн-сценарии для генерации рекомендаций в режиме реального времени.

В июле 2025 года исследователи из лаборатории T-Bank AI Research создали метод SMMR для улучшения персонализации контента.