Классический подход к кандидатам для ранжирования в рекомендательных системах обычно такой — набор HNSW по эмбеддингам пользователей и карточек, популярные карточки, похожие по разным эвристикам на пользователя карточки (например, статьи автора, которого юзер ранее кликал). У HNSW есть ряд проблем — эмбеддинги не всегда «качественные», учитывают не все сигналы, кандидаты плохо контролируемы. В этом докладе я расскажу, как мы побороли эти проблемы и как их замерять.