一、背景

首先來介紹一下百度綜合信息流推薦的業(yè)務背景、數(shù)據(jù)背景，以及基本的算法策略。

1、百度綜合信息流推薦

百度的綜合信息流包括手百 APP 中搜索框的列表頁以及沉浸頁的形態(tài)，有著非常多的產(chǎn)品類型。從上圖中可以看到，有類似于抖音的沉浸態(tài)的推薦，也有單列的推薦，以及類似于小紅書筆記的雙列推薦。交互形態(tài)也是多種多樣的，可以在落地頁上進行評論、點贊、收藏，也可以點進作者頁中查看作者的相關信息并進行交互，當然也可以有負向的 feedback 等等。

2、數(shù)據(jù)背景

從建模的角度上看，主要面對三方面的挑戰(zhàn)：

• 大規(guī)模。每天的展現(xiàn)量級超過了百億級別，因此模型需要有天級別百億的吞吐能力。每天的 DAU 過億，這也決定了整個模型需要有高吞吐、高可擴展性的設計。對于排序模型來說，在線每秒鐘有數(shù)億次的計算，因此模型設計時不僅要考慮效果，同時也要考慮性能，需要做到很好的性能和效果的折中。用戶交互形態(tài)以及場景的多樣化，還要求模型可以預估多類型任務。
• 高要求。整個系統(tǒng)的響應時間要求非常高，端到端都是毫秒級的計算，超過了預定的時間，就會返回失敗。這也造成了另一個問題，就是復雜結構上線困難。
• 馬太效應強。從數(shù)據(jù)樣本角度上來看，馬太效應非常強，少量的頭部活躍用戶貢獻了大多數(shù)的分發(fā)量，頭部的熱門資源也覆蓋到了大多數(shù)的展現(xiàn)量。無論是用戶側還是資源側，馬太效應都是非常強的。因此，系統(tǒng)設計時就需要弱化馬太效應，使得推薦更加公平。

3、基本算法策略

在整個工業(yè)界的推廣搜場景上，特征設計通常都是采用離散化的設計，需要保證兩方面的效果，一方面是記憶，另一方面是泛化。特征都是通過哈希的方式做成 one hot 的離散化。對于頭部用戶需要有精細刻畫，準確記憶。而對于占比更大的稀疏長尾，則需要很好地泛化。另外，對于用戶的點擊以及消費決策序列，session 是非常重要的。

模型設計需要平衡很大的頭部，使整個數(shù)據(jù)呈現(xiàn)出 Beta distribution 的分布，需要平衡頭部的準確以及長尾的泛化。由于特征設計已經(jīng)做了這方面的考量，模型的設計也需要同時兼顧泛化以及準確。百度整個的推薦漏斗對性能要求是非常極致的，所以要考慮到架構跟策略的聯(lián)合設計，需要考慮性能與效果的折中，另外也需要考慮平衡模型的高吞吐性以及精度。

架構的設計也要從性能和效果這兩個維度來綜合考量。一個模型算不動所有數(shù)千萬的資源庫，所以必須要做分層的設計，核心思想是分治法。當然各層之間是有關聯(lián)的，所以會做多階段的聯(lián)訓，來提升多階段漏斗之間的效率。另外，還有彈性計算法，保證在資源幾乎不變的情況下，上線非常復雜的模型。

上圖中右側的漢諾塔項目，在粗排這一層非常巧妙地實現(xiàn)了用戶與資源的分離建模。還有 CTR3.0 聯(lián)合訓練，實現(xiàn)了多層多階段的聯(lián)訓，比如精排，是整個系統(tǒng)中最復雜、最精致的模型，精度是相當高的，重排是在精排之上做 list wise 的建模，精排跟重排的關系是很緊密的，我們提出的基于這兩個模型聯(lián)訓的方式，取得了非常好的線上效果。

接下來，將分別從特征、算法和架構三個角度進一步展開介紹。

二、特征

1、用戶-系統(tǒng)交互決策過程

特征描述了用戶與系統(tǒng)之間的交互決策過程。

下圖中展示了用戶-資源-場景-狀態(tài)時空關系交互矩陣圖。

首先將所有信號切分為用戶、資源、場景和狀態(tài)這四個維度，因為本質(zhì)上是要建模用戶與資源之間的關系。在每個維度上，可以做各種各樣的畫像數(shù)據(jù)。

用戶維度上，最基礎的年齡、性別、興趣點畫像。在此基礎上還會有一些細粒度的特征，比如相似用戶，以及用戶歷史上對不同資源類型的偏好行為等。session 特征，主要是長短期行為序列。業(yè)界有很多做序列的模型，在此不作贅述。但無論做何種類型的序列模型，都缺少不了特征層面的離散 session 特征。在百度的搜索廣告上，從 10 多年前就已經(jīng)引入了這一種細粒度的序列特征，對用戶在不同的時間窗口上，對不同資源類型的點擊行為、消費行為等等都細致地刻畫了多組序列特征。

資源維度上，也會有 ID 類特征來記錄資源本身的情況，主導的是記憶。還有明文畫像特征來實現(xiàn)基礎的泛化能力。除了粗粒度的特征以外，也會有更為細致的資源特征，比如 Embedding 畫像特征，是基于多模態(tài)等預訓練模型產(chǎn)出的，更細致地建模離散 embedding 空間中資源之間的關系。還有統(tǒng)計畫像類的特征，描述資源各種情況下的后驗如何。以及 lookalike 特征，通過用戶來反向表征資源進而提升精度。

在場景維度上，有單列、沉浸式、雙列等不同的場景特征。

用戶在不同的狀態(tài)下，對于 feed 信息的消費也是不同的。比如刷新狀態(tài)是如何的，是從什么樣的網(wǎng)絡過來的，以及落地頁上的交互形態(tài)是怎樣的，都會影響到用戶未來的決策，所以也會從狀態(tài)維度來描述特征。

通過用戶、資源、狀態(tài)、場景四個維度，全面刻畫用戶與系統(tǒng)交互的決策過程。很多時候也會做多個維度之間的組合。

2、離散特征設計原理

接下來介紹離散特征設計原理。

優(yōu)質(zhì)的特征通常具有三個特點：區(qū)分度高、覆蓋率高、魯棒性強。

• 區(qū)分度高：加入特征后，后驗有著很大差異。比如加入 a 特征的樣本，后驗點擊率跟沒有命中 a 特征的后驗點擊率差距是非常大的。
• 覆蓋率高：如果加入的特征在整個樣本中的覆蓋率只有萬分之幾、十萬分之幾，那么即使特征很有區(qū)分度，但大概率也是沒有效果的。
• 魯棒性強：特征本身的分布要是相對穩(wěn)定的，不能隨著時間發(fā)生非常劇烈的變化。

除了上述三個標準，還可以做單特征的 AUC 判斷。比如只用某一特征來訓練模型，看特征跟目標之間的關系。也可以去掉某特征，看少了特征之后的 AUC 變化情況。

基于上述設計原則，我們來重點討論三類重要特征：即交叉、偏置和序列特征。

• 交叉特征方面，業(yè)界有數(shù)百篇的相關工作，實踐中發(fā)現(xiàn)無論任何類型的隱式特征交叉都無法完全替代顯示特征交叉，也不可能把所有的交叉特征全部刪掉，只用隱式表征來做。顯示特征交叉能夠刻畫出隱式特征交叉所無法表達的相關信息。當然如果做得更深，可以用 AutoML 來進行自動搜索可能的特征組合空間。因此在實踐中，以顯式特征交叉為主，隱式特征交叉為輔的方式來做特征之間的 cross。
• 偏置類特征指的是，用戶的點擊不等于用戶滿意，因為資源的展示有各種各樣的偏置，比如最普遍的就是 position bias，展現(xiàn)在頭部的資源天然更容易被點擊。還有 system bias，系統(tǒng)優(yōu)先展現(xiàn)出認為最優(yōu)的，但不一定是真的最優(yōu)，比如新發(fā)布的資源，可能會因為缺少后驗信息而處于劣勢。
  對于偏置特征有一個很經(jīng)典的結構，就是谷歌提出的 Wide&Deep 結構，Wide 側通常會放各種偏置的特征，線上直接可以裁剪掉，通過這種偏序排序的方式來達到無偏估計的效果。
• 最后是序列特征，是非常重要的一類用戶個性化特征。業(yè)界現(xiàn)在主流的都是做超長序列的建模，具體的實驗中會發(fā)現(xiàn)，通常長序列的存儲開銷是非常大的。前文中提到我們要達到性能與效果的折中。長序列可以通過離線預計算好，短序列可以在線實時計算，所以我們往往會結合兩種方式。通過門控網(wǎng)絡來決策用戶當前更偏向于短序列還是長序列的方式，來 balance 長期興趣以及短期興趣。同時需要注意，隨著序列拉長其邊際收益是遞減的。

3、推薦漏斗最優(yōu)化的特征體系

整個推薦漏斗是分層設計的，每一層都做了過濾與截斷。如何在過濾截斷的分層設計中達到效率最高呢？前面也提到會做模型的聯(lián)合訓練。另外，特征設計的維度上也可以做相關的設計。這里也存在一些問題：

• 首先，為了提升漏斗通過率，召回和粗排直接擬合精排打分或者精排序，會導致馬太效應進一步加強，此時，召回/粗排模型并非用戶行為驅動學習過程，而是擬合漏斗。這不是我們希望看到的結果。正確的做法是推薦漏斗各層模型解耦合設計，而不是直接擬合下層的漏斗。
• 第二是粗排方面，理論上與召回靠得更近，本質(zhì)上相當于是統(tǒng)一召回的出口。所以粗排這一層，可以引入更多召回的信號，例如協(xié)同推薦的人群投票信號，圖索引的路徑等等，以便粗排能夠與召回隊列聯(lián)合優(yōu)化，使得進入精排的資源的召回效率能夠最優(yōu)化。
• 第三是計算復用，在降低計算量的同時又能夠提升模型的魯棒性。此處要注意的是，常有級聯(lián)類的模型，第二級模型使用第一級模型的打分作為特征，這種做法的風險很大，因為模型最終的預估值是不穩(wěn)定的分布，如果直接使用第一級模型的預估值當做特征，會使得下層模型有非常嚴重的耦合，造成系統(tǒng)的不穩(wěn)定。

三、算法

接下來介紹核心算法的設計。

1、系統(tǒng)視角下的排序模型

首先來看推薦排序模型。一般認為，精排是推薦系統(tǒng)中精度最高的模型。業(yè)界有一種觀點認為粗排附屬于精排，對著精排學就可以了，但具體實踐中發(fā)現(xiàn)粗排并不能直接對著精排來學，可能會帶來很多問題。

從上圖可以看出，粗排與精排的定位不同。一般來說，粗排的訓練樣本與精排一樣，也是展現(xiàn)樣本。每次召回候選供粗排打分的結果有數(shù)萬條之多，這里面 99% 以上的資源是沒有被展現(xiàn)的，而模型僅使用最終展現(xiàn)的十幾條資源來做訓練，這就打破了獨立同分布的假設，在離線模型分布差異極大。這種情況在召回是最為嚴重的，因為召回的候選集都是數(shù)百萬、數(shù)千萬甚至數(shù)億，最終返回的結果大多數(shù)也都是沒有被展現(xiàn)的，粗排一樣相對也比較嚴重，因為候選集通常也在數(shù)萬級別。而精排就相對好很多，通過了召回與粗排兩層漏斗后，資源的基礎質(zhì)量是有保證的，它主要做優(yōu)中選優(yōu)的工作。因此，精排在離線分布不一致問題不是那么嚴重，不需要過多地考慮樣本選擇偏差（SSB）的問題，同時由于候選集合小，可以做重計算，精排重點在于特征交叉，序列建模等。

但是粗排這一層，并不能直接對著精排學，也不能直接做類似于精排的重計算，因為其計算量是精排的數(shù)十倍，如果直接用精排的設計思路，線上的機器是完全不可承受的，所以粗排需要高度的技巧平衡性能與效果，它是一個輕量級模塊。粗排迭代的重點與精排不同，主要解決樣本選擇偏差，召回隊列優(yōu)化等問題。由于粗排與召回關系緊密，更關注的是返回精排的數(shù)千資源的平均質(zhì)量，而不是精確的排序關系。精排則是與重排關系更緊密，更關注的是單點的 AUC 精度。

因此在粗排的設計上，更多的是做樣本的選擇與生成，和泛化特征與網(wǎng)絡的設計。而精排的設計可以做復雜的多階交叉特征、超長序列建模等等。

2、超大規(guī)模離散 DNN 的泛化

前面介紹的是宏觀層面的，下面來看一下微觀層面。

具體到模型的訓練過程，目前業(yè)界主流的是使用超大規(guī)模的離散 DNN，泛化問題會是比較嚴重的。因為超大規(guī)模離散 DNN，通過 embedding 層，主要做的是記憶的功能。參見上圖，整個 embedding 空間是非常龐大的矩陣，通常都是千億或者萬億行，1000 列。所以模型訓練都是全分布式，數(shù)十乃至上百臺 GPU 做分布式訓練。

理論上，對于這么大的矩陣，并不會直接做暴力計算，而是采用類似矩陣分解的操作。當然這個矩陣分解和標準的 SVD 矩陣分解并不一樣，這里的矩陣分解是先學到低維的表征，通過 slot 之間的 parameter 的 share 來降低計算跟存儲量，也就是分解成兩個矩陣的 learning 的過程。首先是特征、表征矩陣，會學習特征跟低維嵌入的關系，這個嵌入很低，通常會選擇十維左右的嵌入。另外一個是嵌入和神經(jīng)元矩陣，每個槽位之間的權重是共享的。通過這種方式既降低了存儲量，又能夠提升效果。

低維的嵌入學習是離線 DNN 優(yōu)化泛化能力的關鍵，它等價于做稀疏矩陣分解，因此，整個模型泛化能力提升的關鍵就在于如何使得參數(shù)規(guī)模與樣本數(shù)能夠更好地匹配。

從多個方面來進行優(yōu)化：

• 首先是從嵌入維度方面，因為不同特征的展現(xiàn)量差異是很大的，有些特征的展現(xiàn)量非常高，比如頭部的資源、頭部的用戶，可以使用更長的嵌入維度，這就是常見的動態(tài)嵌入維度的思想，即展現(xiàn)越充分嵌入維度越長。當然如果要做得更 fancy，可以用 autoML 等方式做強化學習，自動搜索最優(yōu)嵌入長度。
• 第二個方面是創(chuàng)建閾值，由于不同資源展現(xiàn)量不同，因此，何時為特征創(chuàng)建嵌入表征也是需要考量的。

3、過擬合問題

業(yè)界通常是采用兩階段訓練抗過擬合的方式。整個模型由兩層組成，一個是很大的離散矩陣層，另一個是很小的稠密參數(shù)層。離散矩陣層是非常容易過擬合的，所以業(yè)界實踐通常都是采用 One Pass Training，即 online learning，所有的數(shù)據(jù)都過一遍，并不會像學術界一樣的做 batch training。

另外，業(yè)界通常會利用時序 Validation Set 來解決稀疏層的 overfitting 問題。把整個訓練數(shù)據(jù)集按時間維度切分成很多個 Delta，T0，T1，T2，T3 不同的 Delta。每次訓練是用前幾小時訓練好的離散參數(shù)層固定住，再用下一個 Delta 的數(shù)據(jù) finetune dense 網(wǎng)絡。也就是通過固定稀疏層、重訓其它參數(shù)的方式來緩解模型的過擬和問題。

這種做法也會帶來另外一個問題，因為訓練是切分開的，并且每次都需要固定 T0 時刻的離散參數(shù)，再用 t+1 時刻重訓 join 階段，這樣會拖累整個訓練速度，帶來擴展性方面的挑戰(zhàn)。所以近年來都是采用單階段訓練，即將離散表征層與稠密網(wǎng)絡層在一個 Delta 中同時更新。而單階段訓練也存在一個問題，因為整個模型除了 embedding 特征之外，還有很多連續(xù)值特征，這些連續(xù)值特征會統(tǒng)計每個離散特征的展現(xiàn)點擊情況，因此，可能帶來數(shù)據(jù)穿越的風險。所以在具體實踐時，第一步會先除掉統(tǒng)計量的特征，第二步使得稠密網(wǎng)絡與離散表征一起訓練，使用單階段的方式訓練。另外整個嵌入的長度，都是自動可伸縮的方式。通過這一系列方法，可以使得模型訓練提速 30% 左右。實踐表明，該方法過擬合程度很輕微，訓練跟測試的 AUC 的差距也都是 1/ 1000 或者更低的程度。

四、架構

接下來介紹架構設計上的思考和經(jīng)驗。

1、系統(tǒng)分層設計原理

系統(tǒng)設計的核心原則是分治法。召回需要有多個通道，核心的目標是要提升召回率，以及召回資源的豐富程度。同時召回也要考慮探索跟利用的問題，是推薦效果的基礎保證。粗排做第一層的過濾，主要做輕量級點預估，承上啟下。精排通常是做重計算，也是做點預估，跟重排之間的關系非常緊密，通常會使用非常復雜的結構，也是業(yè)界研究的重點。重排是最后一層，重排是具體面對用戶的，決定了最終的展現(xiàn)序列，基于精排的結果考慮上下文然后來做復雜的序列預估，即 list wise 的排序。重排序需要考慮很多業(yè)務的約束，里面有很多規(guī)則，包括打散、LCN、退場等等，是規(guī)則與模型雙重驅動的模塊。

推薦系統(tǒng)各層的目標基本一致，但是各層側重不太一樣。召回和粗排側重的是泛化以及召回率，精排側重的是單點 AUC 的精度，重排側重的是整體序列最優(yōu)。從數(shù)據(jù)上來看，越靠近召回粗排，越泛化，越靠近精排重排，越要求精度。越靠近召回源，性能受限越嚴重，因為候選資源越多計算量越大。粗排只需要對齊精排是一個誤區(qū)，粗排需要考慮與精排的一致性，但是并不能只對齊精排。如果粗排什么都不做，只是做對齊精排，會帶來非常嚴重的馬太效應。因為精排不是 ground truth，用戶的行為才是，需要學習好用戶行為，而不是學習精排，這是很重要的一點提示。

2、多階段模型聯(lián)合訓練

精排跟重排之間的關系是非常緊密的，早年重排是直接用精排的打分來做訓練的，一方面耦合很嚴重，另一方面直接使用精排打分來做訓練，很容易產(chǎn)生線上的波動。

百度鳳巢 CTR 3.0 精排跟重排聯(lián)合訓練項目，就非常巧妙地利用模型同時訓練避免打分耦合的問題。該項目將精排子網(wǎng)絡的隱層及內(nèi)部打分，都作為重排子網(wǎng)絡的特征，然后，將精排與重排子網(wǎng)絡拆開，分別部署于各自模塊。一方面可以很好地復用中間結果，不會出現(xiàn)打分耦合帶來的波動問題，同時對于重排的精度又會有百分位的提升。這也是當年百度最高獎的子項目之一。

另外，注意該項目并不是 ESSM，ESSM 是 CTCVR 建模，是多目標建模，而 CTR3.0 聯(lián)合訓練主要解決打分耦合和重排模型精度的問題。

此外，要對召回和粗排做解耦合，因為新隊列加入進來，對于新隊列可能會不太公平。因此，提出了隨機掩碼的方式，即隨機 mask 掉一部分特征，使得耦合度不會那么強。

3、稀疏路由網(wǎng)絡

最后再來看一下部署在線上的過程。模型參數(shù)規(guī)模都是千億到萬億量級，目標也非常多，直接進行線上部署開銷是非常大的，不能只考慮效果，不考慮性能。有一種比較好的方式就是彈性計算，類似于 Sparse MOE 的思想。

粗排接入了非常多的隊列，有數(shù)十個甚至數(shù)百個隊列。這些隊列對線上的價值（LTV）是不一樣的，由流量價值層來計算不同召回隊列對線上點擊時長的價值。其核心思想是召回隊列整體的貢獻度越大，越可以享受更復雜的計算。從而使得有限的算力能夠服務于更高價值的流量。所以我們也沒有采用傳統(tǒng)的蒸餾的方式，而是采用類似 Sparse MOE 的思想來做彈性計算，即策略跟架構 co-design 的設計，使得不同的召回隊列能夠使用最適合的資源網(wǎng)絡進行計算。

五、未來計劃

眾所周知，現(xiàn)在已經(jīng)進入 LLM 大模型時代。百度對下一代基于 LLM 大語言模型的推薦系統(tǒng)的探索將會從三個方面來展開。

第一方面是希望模型從基礎的預測升級到能夠做決策。比如經(jīng)典的冷啟資源高效率探索，沉浸式序列推薦反饋，以及從搜索到推薦的決策鏈等等重要的問題，都可以借助大模型來進行決策。

第二方面是從判別到生成，現(xiàn)在整個模型都是判別式的，未來會探索生成式推薦的方式，比如自動生成推薦理由，對長尾數(shù)據(jù)基于 prompt 來做數(shù)據(jù)自動增強，以及生成式的檢索模型。

第三方面是從黑盒到白盒，傳統(tǒng)做推薦系統(tǒng)，大家常說神經(jīng)網(wǎng)絡是煉丹術，是黑盒的，是否有可能向白盒化方向探索，也是未來的重要工作之一。比如基于因果，探究用戶行為狀態(tài)遷移背后的原因，推薦公平性方面做更好的無偏估計，以及 Multi Task Machine Learning 的場景上能夠做更好的場景自適應。