这是 Beta 探索课程，内容结构、实验步骤和示例可能会继续调整。
多目标排序
排序不是追点击率
召回得到候选集后，排序决定用户实际看到的顺序。排序不是简单按点击率从高到低排，因为推荐流有多个目标：用户喜欢、内容健康、作者生态、公平探索、商业收益。
排序特征
排序模型常用特征包括：
| 类别 | 特征 |
|---|---|
| 用户特征 | 兴趣、活跃度、历史偏好 |
| 内容特征 | 标签、质量分、发布时间、时长 |
| 交叉特征 | 用户是否喜欢此类作者 / 主题 |
| 上下文特征 | 时间、网络、设备、会话行为 |
| 召回特征 | 来自哪些召回通道 |
在线排序要控制特征查询延迟——不能为了模型复杂度拖慢 Feed 响应。
多目标组合
常见目标包括：点击率、完播率、点赞评论分享概率、关注转化、投诉举报风险、内容多样性。
排序分可以组合多个目标：
score = a * p_click + b * p_finish + c * p_like - d * p_report + diversity_bonus权重需要通过实验和业务目标调整。
多目标排序模拟器
观察：加上完播与多样性权重后，顺序会向真正被看完、且来源更多样的内容倾斜。
为什么不能只看点击率
- 只追点击率 → 标题党泛滥，用户被「骗点」。
- 只看完播率 → 内容偏向短平快。
- 只看互动 → 忽略投诉与低质风险。
多目标排序的本质，是把「业务要什么」翻译成可计算的权重组合，并用护栏目标防止走偏。
一句话
多目标排序 = 一组目标概率 × 权重 + 多样性加成，权重靠实验调。它回答的不是「这条点不点」，而是「这条对用户、对生态、对业务是否更值得」。
下一节看模型打分之后的重排规则。
发现内容有问题？
告诉我们哪里需要改进。