Copyright 2012-2025 家電庫 版權(quán)所有 京ICP備20132067號-1
不知道有沒有跟我一樣想法的朋友
就是我一直特別好奇一件事：為什么我每次打開那些短視頻App，隨便刷刷，出來的視頻全是我喜歡的。
你可能會覺得，這不廢話嘛，人家平臺要留住你，肯定得給你看你想看的啊。注冊的時候不都讓你選興趣標(biāo)簽了嗎。
但這事兒吧，有時候離譜得有點駭人。
比如，我有一次剛在某寶上搜了一下露營用的帳篷，后腳打開短視頻App，刷到的就是各種戶外露營的視頻。
甚至有一次，我就是腦子里閃過一個念頭，想在車?yán)锩娓泓c香水什么的，也沒跟任何人說，也沒搜索。結(jié)果晚上就刷到車載香薰了。。
那一瞬間，我真的感覺自己是不是被什么神秘力量給監(jiān)視了，簡直不寒而栗。
難道我家貓是內(nèi)奸？
但理智告訴我，這背后，一定有它的科學(xué)道理。
沒錯，它就是我們"最熟悉的陌生人"：推薦算法。
你可能覺得，推薦算法嘛，也不是啥新鮮詞了，都聽出繭子了。
但快手最近公開了他們最新的短視頻推薦算法，叫EMER。全稱是End-to-end Multi-objective Ensemble Ranking，中文叫端到端多目標(biāo)排序融合框架。
聽名字就感覺很復(fù)雜，對不對？
關(guān)鍵是，推薦算法是需要結(jié)合大模型技術(shù)來做的，這一下子就把我的興趣給勾起來了。
這個視頻，我先勸你別看，大概率是看不懂。不瞞你說，我第一次看的時候，也是聽得云里霧里，感覺每個字都認(rèn)識，但連在一起就有點懵圈。
就是沒想到他們算法技術(shù)負(fù)責(zé)人這么年輕，看來算法也不至于難到讓人禿頂嘛
今天這篇文章，就是想帶你一起，用最通俗易懂的方式撥開這層迷霧。
探索一下，為什么短視頻App能比我媽還了解我，為什么它能神不知鬼不覺地猜到我的想法。
PS：看完這篇文章，我希望讓你知道，其實像算法這種聽起來很高大上的東西，咱們普通人，努努力，也是能夠搞懂個大概的。以及EMER對我們有什么影響。
而如果你是一名自媒體創(chuàng)作者，我更希望這篇文章，能讓你了解平臺最新的算法機制，從而更好地、更有方向地去優(yōu)化、調(diào)整你的內(nèi)容。
所以EMER到底是啥？它跟以前的算法有啥不一樣？
EMER論文在此：
https://arxiv.org/pdf/2508.05093
在EMER出現(xiàn)之前，工業(yè)界廣泛應(yīng)用的推薦排序模塊是兩階段的，第一階段通過大體量模型預(yù)估用戶在多個維度上的滿意度，第二階段將多目標(biāo)量化作為最終排序依據(jù)。
但有一個核心難題是用戶滿意度很難定義：
不同用戶表達(dá)滿意的行為模式完全不同，甚至同一個用戶對不同視頻的滿意表達(dá)方式也不一樣 。用一個指標(biāo)或分?jǐn)?shù)來衡量滿意度是極其困難的 。
比如我刷短視頻就基本很少點贊，但有有趣的視頻，我會看得比較久。對于有用的工具視頻通常不會一下子看完，但會先收藏等等。
EMER的解決方案是引入多維滿意度代理指標(biāo) ，它不再只看一個標(biāo)簽，而是將每個先驗信號 (比如點贊、完播、評論等Pxtrs) 作為一個獨立的監(jiān)督目標(biāo) ，目的是優(yōu)化每一個信號的排序性能AUC。這些信號共同反映了用戶滿意度的不同維度。
舉個例子，你開了一家餐廳。老的算法，就是個只會看收銀臺總額的老板