Yandex opracował Sonę - generatywny model rekomendacyjny, który łączy generowanie kandydatów i ranking w jeden ujednolicony system. Tradycyjne schematy rekomendacyjne funkcjonują jako kaskady: generator kandydatów karmi wstępny ranker, który karmi główny ranker zbudowany na setkach ręcznie tworzonych cech. Każdy etap optymalizuje swoją funkcję celu, co prowadzi do fragmentaryczności - główny ranker widzi tylko to, co przepuszczą wcześniejsze etapy. Poprzednia architektura Yandex Music wykorzystywała setki cech, w tym sygnały z modelu Argus. Sona zmienia ten paradygmat.
Model funkcjonuje na wspólnej reprezentacji użytkownika. Enkoder czyta historię słuchacza raz na żądanie. Dekoder generuje kandydatów, a moduł rankingowy ocenia je względem tych samych stanów encodera. Żaden komponent nie używa ręcznie inżynierowanych cech - system opiera się na polach zdarzeń logów (ID utworu, ID artysty, czas trwania, polubienia, czas odtwarzania, flagi interfejsu) oraz nauczonych identyfikatorach semantycznych. Architektura jest szczególnie ważna dla Yandex smart speakers, gdzie odtwarzanie może się zacząć bez wcześniejszego wyboru artysty, gatunku czy nastroju przez użytkownika.
Yandex przeprowadził siedmiodniowy test live w produkcji porównując Sonę ze swoją istniejącą kaskadą - jeden transformator zastąpił ponad 15 generatorów kandydatów, etap pre-rankingu i rangowania. To podejście rozwiązuje fundamentalny problem tradycyjnych kaskad: fragmentaryczną optymalizację, gdzie decyzja jest rozbita na oddzielnie trenowane modele, każdy widzący inny pogląd na problem. Sona udowadnia, że ujednolicone podejście generatywne może być bardziej efektywne i prostsze w wdrażaniu, co może inspirować przemianę w architekturach rekomendacyjnych w całej branży.