Per la prima volta un team di studenti ha conquistato il primo posto assoluto nella RecSys Challenge, superando sia i team accademici sia quelli industriali. A ottenere questo risultato è stato il team del Politecnico di Milano, dopo tre anni consecutivi come miglior team accademico.
Coordinato da Maurizio Ferrari Dacrema, ricercatore del Dipartimento di Elettronica, Informazione e Bioingegneria, e supervisionato dai dottorandi Andrea Pisani e Michael Benigni, il team è composto da Abdallah Alkhetiar, Luigi Inguaggiato, Nicolò Locatelli, Roberto Manea, Alessio Pizzini, David Ravelli, Gianmarco Schifone, Matteo Vitali e Andrea Zhang.
La RecSys Challenge 2026 si è svolta tra aprile e giugno 2026, con la fase conclusiva nell’ambito della 20ª ACM Conference on Recommender Systems, tenutasi a Minneapolis, Minnesota, dal 28 settembre al 2 ottobre 2026. La competizione è stata organizzata da ricercatori di Sony Group Corporation, Pandora/SiriusXM, Deezer Research, Amazon, Politecnico di Bari e Maastricht University.
La sfida di quest’anno si è concentrata sulla raccomandazione musicale attraverso una conversazione. A ogni turno del dialogo, il sistema doveva interpretare le preferenze dell’utente sulla base della conversazione e delle informazioni disponibili sull’utente, scegliere e ordinare 20 brani e generare una risposta naturale coerente con il dialogo.
I partecipanti hanno lavorato su un ampio insieme di conversazioni musicali, accompagnate da informazioni sui brani e sulle interazioni degli utenti. La valutazione considerava sia la qualità delle raccomandazioni sia la qualità delle risposte generate.
Alla competizione si sono registrati 336 team, che hanno effettuato complessivamente oltre 9.500 submission. 41 team hanno superato il miglior metodo di riferimento fornito dagli organizzatori, entrando nella classifica finale, tra cui figurano rappresentanti di grandi aziende tech come Samsung, Uber, e LinkedIn. Il team del Politecnico di Milano ha descritto la soluzione proposta nel paper “Talk Less, Rank Better: A Decoupled Pipeline for Conversational Music Recommendation”.