AI VK открыла код HEGM: модель предсказывает всё распределение времени просмотра видео

Если вы делаете рекомендации для коротких видео, то наверняка предсказывали время просмотра. Классическая схема простая: берём признаки пользователя и ролика, обучаем регрессию и получаем «ожидаемые 12 секунд». Проблема в том, что в реальности почти никто не смотрит ровно 12 секунд. Команда AI VK выложила работу, в которой эту проблему разбирают на практике.

Почему среднее время просмотра врёт

Представьте два ролика длиной 30 секунд. Первый половина аудитории пролистывает за секунду, а другая половина досматривает до конца. Второй почти все смотрят около 15 секунд. Средняя оценка у них может оказаться одинаковой, но это совершенно разные ролики с разной судьбой в ленте.

У коротких видео распределение времени просмотра устроено неудобно. Сначала идёт резкий всплеск быстрых скипов в первые секунды, потом длинный хвост, а у части роликов ещё и пик на полном досмотре. Регрессия с квадратичной ошибкой тянет прогноз к середине, то есть туда, где реальных просмотров как раз мало. Ранжирование, построенное на таком числе, плохо различает «зашло» и «пролистали».

Что предлагает HEGM

HEGM расшифровывается как Hierarchical Exponential-Gaussian Mixture. Из названия и описания авторов можно понять общую идею: модель предсказывает не одну точку, а целое распределение, причём как смесь компонент двух типов. Экспоненциальная компонента хорошо подходит для быстрых скипов: вероятность резко падает с каждой секундой. Гауссова описывает «нормальный» просмотр вокруг какого-то характерного времени. Слово «иерархическая» говорит, что компоненты организованы многоуровнево, но детали этой структуры в анонсе не раскрыты, их нужно смотреть в статье.

Авторы также упоминают проблемы, которые возникают при обучении вероятностных моделей. Знакомый пример: смеси распределений любят «схлопываться», когда одна компонента забирает всё, а остальные остаются мёртвыми. Как именно команда это решила, придётся читать в препринте.

Что с этим делать на практике

Первое действие не требует HEGM. Постройте гистограмму фактического времени просмотра по своим роликам и посмотрите, есть ли у неё несколько горбов. Если есть, одна точечная регрессия вам почти наверняка вредит.

Второе: из распределения можно получать не одно число, а разные сигналы. Это вероятность скипа в первые секунды, вероятность досмотра и ожидаемое время при условии, что человек не ушёл сразу. Для продакта такие признаки понятнее и их проще связывать с целями продукта, чем абстрактное «ожидаемое время».

Третье: код и модели HEGM лежат на GitHub, так что гипотезу можно проверить на своих логах без разработки с нуля. Исследование принято в основной трек IEEE ICDM 2026, а значит, прошло рецензирование.

Ограничения

Важно понимать, что в анонсе нет конкретных цифр. Мы не знаем, на сколько процентов HEGM обошёл базовые методы и что именно изменилось в A/B-тесте на трафике VK. Авторы лишь пишут, что тест проводился и что изменения были. Это заявка на сильный результат, а не его доказательство, и числа стоит искать в статье.

К тому же модель тестировали на коротких видео, и неизвестно, насколько подход переносится на длинные ролики, подкасты или стриминг, где форма распределения другая. Смесь распределений тоже сложнее в обучении и отладке, чем обычная регрессия, и требует больше вычислений.

Итог такой. Сама идея предсказывать распределение, а не среднее, вполне разумна и применима за пределами VK. Решать, нужен ли вам именно HEGM, стоит после чтения статьи и пробного прогона кода на ваших данных.