Barbara Lampl's Recent LinkedIn Posts

23.03 - 12.00 Uhr - 360Brew ist nicht der LinkedIn-Algo - das der neue aber dennoch was mit dem Research Paper vom letzten Jahr zu tun hat und es dann doch aber komplizierter und einfacher ist -- Live mit Britta Behrens 💡 Ich freu mich und werde mir aber jetzt schon einen Kommentar nicht verkneifen können - welchen? Am Montag Fragen, Wünsche und Co sind herzlich willkommen und jetzt lade ich Euch mal noch alle ein https://lnkd.in/exMk3uzB

Kaffee oder Drinks nächste Woche? Am Montag um 12. 00 Kaffee, mit Britta Behrens 💡und mir - LI Algo Mythebusting und was so ganz praktisch hilft. Hier teilnehmen, dann habt ihr auch Zugang, wenn ihr es nicht live schafft: https://lnkd.in/e-8RyTKY Am Mittwoch, Drinks & Slam! Am Vorabend der data:unplugged moderiert von Dr. Christian Krug - UNF#CK YOUR DATA Ein paar Plätze hat es noch: https://lnkd.in/ee24mB_G 📍 FIEGE X-Dock, Hafen Münster zusammen mit den Dataciders GmbH 🕕 25. März, ab 18 Uhr Auf der Bühne the one and only best line up: Alex Ulbricht Dr. Tim Wiegels Natascha Priemel Claudia Pohlink Fabian Werkmeister Margarita Neumüller Carlos Perry Wer also wissen will, was ich mit "AI in 2026 - Go Pro oder Go Home!" meine und ob das eine steile These ist oder nicht, wir sehen uns in Münster.

Ach,nee - Brew360 ist nicht der neue LinkedIn Algorithmus - aus der Kategorie 'hat der Nerd ja gesagt, war aber nicht so schick' Von vorne: Paper "Brew 360" wird veröffentlicht, was einen da schon hätte stutzig machen können, Lead Research ist bei Meta... aber egal. Die Idee ein gigantisches 150B Parameter Model 'liest' alle unsere Beiträge und so wird der Feed gesteuert. Die Anmerkung das das in Produktion nie so funktionieren wird egal. Das ein Feed immer ein Recommendations Alogo ist - so ein Ranking nur ein aber nie der Hauptspekt sein wird - egal Das technische alls auf eine Two-Tower Architektur gezogen wurde und das auch nicht passt - egal. Jetzt Überraschung: Brew360 ist nicht der neue LI Algo... Stattdessen: ein dual-encoder retrieval system + a sequential ranking transformer... ach nee... Dual-Encoder Retrieval — das der LLM Part mit Embeddings aus den Posts und Mitgliederprofilen. Ziel:Zwei Inhalte, die semantisch zusammenpassen, landen beieinander — auch wenn sie unterschiedliche Begriffe nutzen. Generative Recommender (GR) — Ein Sequential Transformer Model, das nicht !!!! deinen Post bewertet, sondern deine letzten 1.000+ Interaktionen als Sequenz liest. Ziel: Muster und Entwicklungen in deinem Verhalten über Zeit zu lernen - deine Interaktionen mit Inhalten !!! Also nochmal: es lernt nicht deine Text sondern Engagement-Verhalten. Dein Publikum entscheidet, ob dein Content weiterverbreitet wird. Nicht dein Schreibstil. Die Profis wie Britta Behrens 💡 die immer darauf hinweisen, haben auch weiterhin recht: Guter Content gewinnt — aber nicht weil irgendein Algo deine Texte „liest". Sondern weil so echte Menschen darauf reagieren, und das Modell diese Reaktionen als Signal nimmt. Und vielleicht sollte wenn es um Einschätzung von hochtechnisch Data & AI Implementierung mal doch mit Leuten reden, die nichts anderes als sowas machen... ja die 22 Jahre Berufserfahrung helfen, oh man Wer alles ganz genau wissen will da lang: https://lnkd.in/eFPSytPQ P.S AI Content funktioniert also nur weil ihr darauf reagiert - UPSi