很多人看到 Facebook 能用日常語言調整推薦主題，第一個反應可能是自己終於能掌握動態牆。但這裡要先問一個更前面的問題：使用者調整的是推薦偏好，還是整套推薦系統的運作方式？Meta 推出 Your Algorithm，讓 Facebook 使用者能在 Feed 與 Reels 管理希望看到的主題，也能對單篇貼文選擇「有興趣」或「沒興趣」並補充原因。這增加了明確表達偏好的入口，控制範圍仍有邊界。

一、Meta Your Algorithm 在 Facebook 增加了哪些控制入口？

使用者可透過 Your Algorithm 管理 Facebook Feed 與 Reels 的興趣主題，也能從單篇貼文提交有興趣或沒興趣的回饋。 Meta 說，這些回饋會參與推薦排序；它們提供的是偏好調整入口，不是逐則指定內容的開關。

依 Meta 10 月 13 日的公告，Your Algorithm 可從貼文右上角的三點選單進入，直接新增或管理希望在 Feed 與 Reels 看到的主題。選單也整合了「有興趣」與「沒興趣」等回饋。使用者點選後，平台可能追問喜歡或不喜歡的細節，讓人用自己的話描述希望多看到或少看到什麼。TechCrunch 的報導也確認，使用者可以在單篇貼文的選單中開啟這些偏好工具。

這讓推薦控制多出兩個尺度。第一個是主題層級，例如增加某類內容的偏好；第二個是貼文層級，針對眼前看到的一則內容表態。兩者都比單靠按讚、留言或看完影片更明確，因為使用者能直接說出「我喜歡這個主題，但不想看某種角度」，不必讓系統只從行為猜測。

不過，明確回饋仍需被平台轉成系統能處理的訊號。像是「我想看更多登山路線，但少一點器材開箱」這種描述，必須經過主題辨識、情境判讀，再與帳號既有互動訊號合併，才能用來調整排序。這些過程並未因為輸入框改成自然語言，就自動變成使用者可見或可檢查的設定。

Meta 將此功能描述為能即時回應、並在同一個使用時段內調整推薦。這是產品方對系統行為的說明，尚不能單獨證明每次輸入都會帶來一致、可預測的內容變化。使用者要判斷效果，仍須觀察自己在調整後實際看到什麼。

二、自然語言如何進入推薦系統？

Meta 表示，大型語言模型會協助系統理解文字中的興趣、情境與意圖，再把這些偏好與既有互動訊號合併，影響 Feed 與 Reels 的排序。 使用者因此多了一種明確回饋方式，推薦邏輯本身仍由平台的多個模型共同處理。

推薦系統原本就會從行為推估興趣。Meta 過去的系統說明提到，模型可能參考貼文特徵、使用者與類似內容的互動、影片觀看時間，以及對作者的互動紀錄等訊號。這些訊號可能包括按讚、留言、觀看或略過。也就是說，即使使用者沒有填寫任何主題，系統仍會從日常使用方式推估哪些內容可能相關。

自然語言輸入帶來的改變，是把原本隱含在行為中的部分意圖，轉成使用者主動提交的文字。大型語言模型（LLM）可協助辨認一段話中的主題和上下文。例如「我最近在準備陽台種菜，想看新手種植方法，不要太多產品開箱」，可能同時含有興趣類別、使用情境與排除方向。Meta 表示，系統會把自由文字與既有訊號結合，而不是由這段文字單獨決定推薦結果。

「自然語言能納入興趣、情境與意圖。」這是 Meta 對大型語言模型在 Your Algorithm 中作用的說明，並非對推薦效果的獨立評估。

既有互動仍會參與排序，原因在於推薦系統要從大量候選內容中挑出並排列有限項目。主題偏好可以告訴系統大方向，但觀看、按讚、隱藏等行為仍提供更細的反應訊號。兩類訊號可能互相補充，也可能在短期情境改變時出現落差：使用者可能暫時想看某主題，過往長期互動卻偏向另一類內容。Meta 沒有在公告中說明兩者的權重如何分配，也沒有公開每則內容如何因一項輸入而升降排序。

產品設計上，這些訊號的時間範圍也很關鍵。使用者輸入「最近想看更多棒球賽事」，可能是短期需求；長期偏好清單則可能反映較穩定的興趣。

若系統無法區分兩者，新的明確指示可能被舊有互動拉回去，也可能在使用者需求已改變後仍持續影響推薦。Meta 公告只提到同一個使用時段內的即時調整，沒有說明設定會保留多久、何時淡出，或使用者如何查看偏好紀錄。這些資訊會影響人們能否建立正確預期，也決定了日後修正推薦時要從哪裡下手。

回饋的作用範圍同樣值得留意。「沒興趣」可能是針對某則貼文、某種內容形式，或整個主題；如果介面沒有清楚呈現回饋套用的對象，使用者就難以預測後續變化。Meta 提到會透過追問補充原因，這或許能減少判讀模糊，但公告沒有說明追問如何影響各類推薦，也沒有提供能逐項核對的規則。使用者可將每次輸入視為調整方向，再用後續內容確認系統理解是否接近原意。

Meta 的系統卡說明也指出，Facebook 與 Instagram 並非由單一 AI 系統決定所有呈現內容；多個系統會分別處理內容識別、興趣預測與個人化體驗。Meta 說明，系統卡會列出重要預測模型，但不會呈現系統內所有模型與訊號，而且模型會隨時間調整。這有助於理解推薦系統由多個部分組成，也提醒讀者不要把一個自然語言控制入口，等同於能看到完整排序過程。

文字偏好與既有互動訊號匯入理解層，再進入排序流程並影響 Feed 與 Reels 推薦。
文字偏好會與既有互動訊號一起參與排序，使用者仍看不到各訊號的權重。

三、使用者能控制推薦到什麼程度？

目前可確認的控制是表達主題偏好與對單篇內容回饋，無法據此推定使用者能查看完整排序邏輯、指定每則推薦，或控制 Facebook 所有個人化用途。 能調整偏好與能理解系統如何決策，是兩種不同程度的控制。

可以把推薦系統想成多階段的內容整理流程：平台先從眾多貼文中找出候選內容，再依帳號與內容訊號預測相關性，最後決定呈現順序。Your Algorithm 讓使用者提供額外的偏好資訊，但不代表使用者能自行選擇候選內容池、設定所有排序因子，或要求某則貼文一定出現在特定位置。偏好是輸入，排序結果仍由平台系統產生。

因此至少要分清三種能力。第一是「表達偏好」，使用者可用文字或按鈕說明想看什麼。第二是「觀察結果」，使用者能在 Feed 與 Reels 查看推薦是否改變。第三是「檢查決策」，使用者能否知道某則內容為何出現、不同訊號如何影響排序，以及如何申訴或撤回設定。Meta 公告涵蓋前兩項中的部分入口，並未提供足以判定第三項已完整實現的資訊。

個人化推薦也不應與其他設定混為一談。調整 Feed 和 Reels 的主題偏好，不能直接推論廣告投放、個人資料使用、帳號隱私或貼文受眾範圍也會同步改變。若想管理這些項目，應分別查找 Facebook 對廣告偏好、隱私與受眾的設定說明。當自然語言描述包含健康、政治或其他敏感情境時，也不宜只憑推薦內容變化，推定平台如何儲存或使用那段文字；公告沒有說明這類資料處理細節。

Meta 在 2023 年介紹推薦系統時，曾說明「顯示更多／顯示更少」等回饋會影響未來推薦，系統也會參考觀看或隱藏等行為。Your Algorithm 延伸了明確回饋的方式，但更容易操作不等於完整透明。介面讓使用者說出希望改變的方向，若沒有對應的效果說明、設定紀錄與撤回方式，使用者仍難以判斷輸入如何持續影響後續內容。

Meta 的系統卡只列出各推薦系統的重要預測模型，並指出模型與訊號會隨時間變動。這項說明顯示，產品文件能提供理解線索，但不會等於完整公開所有排序細節。

四、怎麼判斷這項功能是否符合自己的需求？

先確認功能是否已出現在自己的 Facebook 介面，再用具體、可比較的主題偏好測試，觀察 Feed 與 Reels 的內容變化，並查看能否修改或撤回設定。 若效果不符合預期，應把輸入內容與實際推薦分開檢視，不要只憑單篇貼文下結論。

Meta 使用「rolling out」描述功能推出，代表公告本身不足以證明每位使用者、每個地區或所有帳號都已可用。可先從貼文右上角三點選單查看有沒有 Your Algorithm 或相關回饋選項。如果找不到，可能是尚未推出到該帳號，也可能是介面版本不同；目前不宜據此推定台灣所有使用者都已取得功能。

如果介面已提供設定，可先選一個清楚的主題，而不是一次輸入許多要求。例如希望多看到「適合初學者的居家烘焙技巧」，觀察一段時間後再檢視推薦是否出現更多這類內容；若同時更改多個主題，較難判斷是哪項輸入帶來變化。接著可從單篇貼文補充有興趣或沒興趣的理由，檢查系統是否把「不想看某種呈現形式」誤解成「不想看整個主題」。

測試時可記錄四件事：輸入了什麼偏好、從哪個入口提交、Feed 與 Reels 分別出現哪些變化、介面是否提供修改或移除方式。這不是嚴格的效能測量，卻能避免把短暫變化或偶然出現的貼文，直接當成穩定結果。若更新後沒有明顯差異，也可能是內容供給、既有互動或系統排序共同作用，不能單憑一次觀察判定功能失效。

四個相連步驟依序呈現檢查功能、輸入單一偏好、觀察 Feed 與 Reels 變化，以及修改或移除設定。
一次測試一項具體偏好，再觀察兩個版位的變化，較容易判斷系統是否理解原意。

判斷是否「更可理解」，可再多看兩個面向。其一是可預測性：相近的輸入是否帶來相近方向的內容變化。其二是可修正性：若系統誤解意思，使用者是否能補充、刪除或回到原本偏好。若只看得到輸入欄位，卻看不到主題清單、設定保留多久、不同版位是否共用或如何撤回，使用者對控制範圍仍只能部分判讀。

這個功能對讀者最實際的用途，是少一點猜測自己該按讚還是略過，多一個明確說明偏好的方法。它也提供一個檢視推薦系統的入口：平台讓使用者調整哪些東西、使用者能否理解調整結果、設定是否可以撤回。Meta 尚未說明排序權重、偏好保存時間、不同版位是否共用、廣告是否受影響，以及台灣推出狀況。這些都應等官方資訊或實際介面補足後再判斷。

  • Your Algorithm 增加了管理 Feed 與 Reels 主題、以及對單篇內容補充回饋的入口。
  • Meta 表示大型語言模型會協助理解偏好文字；既有互動訊號仍參與排序。
  • 可表達偏好不等於能指定每則內容或查看完整排序邏輯，實際效果需依介面觀察。

五、常見問題

目前公告確認的是 Feed 與 Reels 的主題偏好及貼文回饋入口；效果、資料處理與地區推出情形仍要看官方後續說明及個人介面。

常見問題

Q1：Your Algorithm 會改變 Facebook 哪些內容？

依 Meta 公告，設定會影響 Feed 與 Reels 的推薦偏好。公告沒有說它會改變朋友貼文、廣告或其他個人化功能的所有排序。

Q2：自然語言設定會立即影響推薦嗎？

Meta 表示推薦會即時回應，甚至在同一個使用時段內調整。這是平台對功能的說明，實際變化仍可能因使用者、內容供給及既有互動而不同。

Q3：這項功能代表 Facebook 公開了推薦演算法嗎？

不代表。使用者得到一個直接表達偏好的入口，但公告沒有公開完整排序因子、權重或每則內容的決策過程。