當(dāng)你打開(kāi)短視頻 App，手指上下滑動(dòng)的每一秒，背后都藏著一套決定 “你接下來(lái)看什么” 的排序邏輯。

過(guò)去十年，行業(yè)里的推薦排序大多依賴 “人工設(shè)計(jì)公式”—— 工程師們把 “用戶會(huì)不會(huì)點(diǎn)贊”、“能看多久” 等指標(biāo)，按經(jīng)驗(yàn)分配權(quán)重、套進(jìn)公式，算出每個(gè)視頻的 “優(yōu)先級(jí)分?jǐn)?shù)”。

但這套模式正在遭遇瓶頸：有人喜歡 “短平快” 的搞笑視頻，有人偏愛(ài) “慢節(jié)奏” 的生活記錄，一套公式怎么滿足千萬(wàn)用戶的個(gè)性化需求？當(dāng) “留存”、“時(shí)長(zhǎng)”、“播放量” 等目標(biāo)沖突時(shí)，比如推長(zhǎng)視頻能提升時(shí)長(zhǎng)，卻可能降低播放量，人工調(diào)權(quán)重又該如何平衡？

為解決這些問(wèn)題，快手策略算法團(tuán)隊(duì)提出了一套全新框架 —— 端到端多目標(biāo)融合排序 EMER。它用 “會(huì)比較、能進(jìn)化的 AI 模型”，徹底替代了傳統(tǒng)推薦排序，不僅在快手主 App 和極速版實(shí)現(xiàn) “七日留存 + 0.23%~0.3%、停留時(shí)長(zhǎng) +1.2%~1.4%” 的顯著提升，更給行業(yè)提供了一套可落地的 “智能排序” 解決方案。

那么，這一效果是怎么實(shí)現(xiàn)的？在快手發(fā)布的技術(shù)論文中，我們能找到完整答案。

• 論文標(biāo)題：An End-to-End Multi-objective Ensemble Ranking Framework for Video Recommendation
• 鏈接：https://arxiv.org/pdf/2508.05093

一、讓模型學(xué)會(huì) “比較”，而不是 “單獨(dú)打分”

在深入 EMER 的技術(shù)細(xì)節(jié)前，我們先搞懂推薦排序的 “行業(yè)常規(guī)操作”。

簡(jiǎn)單來(lái)說(shuō)，工業(yè)界廣泛應(yīng)用的推薦排序模塊范式是兩階段的，第一階段通過(guò)大體量模型預(yù)估用戶在多個(gè)維度上的滿意度，第二階段將多目標(biāo)標(biāo)量化作為最終排序依據(jù)，即多目標(biāo)融合排序。工業(yè)界普遍采用的標(biāo)量化方法是人工設(shè)計(jì)的啟發(fā)式排序公式，把這些預(yù)估結(jié)果合并成一個(gè) “最終排序分”，分?jǐn)?shù)高的視頻優(yōu)先展示。

這套模式的優(yōu)點(diǎn)很明顯 —— 成本低、調(diào)整靈活、可解釋性強(qiáng)。但缺點(diǎn)也同樣突出：

• 個(gè)性化不足：一套公式覆蓋所有用戶，無(wú)法適配 “有人愛(ài)刷短劇、有人愛(ài)刷知識(shí)” 的差異需求。
• 非線性能力弱：公式只能處理簡(jiǎn)單的線性關(guān)系，沒(méi)法捕捉 “用戶看了 A 視頻后，更可能喜歡 B 視頻” 這類(lèi)復(fù)雜關(guān)聯(lián)。
• 多目標(biāo)平衡難：當(dāng) “留存” 和 “播放量” 沖突時(shí)，只能靠工程師反復(fù)試錯(cuò)調(diào)權(quán)重，既耗時(shí)又難找到最優(yōu)解。

過(guò)去的排序模型，本質(zhì)是 “給每個(gè)視頻打個(gè)獨(dú)立的分，按分?jǐn)?shù)排序”?？焓痔岢龅亩说蕉硕嗄繕?biāo)融合排序 EMER 的核心思路是 —— 排序的本質(zhì)是 “比較”，得讓模型看多個(gè)視頻之間的相對(duì)好壞。

為了實(shí)現(xiàn)這點(diǎn)，EMER 從數(shù)據(jù)、特征、模型三個(gè)層面做了創(chuàng)新性的設(shè)計(jì)：

1、數(shù)據(jù)：給模型看 “全量候選”，而非 “個(gè)別樣本”

傳統(tǒng)模型只關(guān)注 “用戶最終互動(dòng)過(guò)的視頻”（比如用戶點(diǎn)贊了 A 視頻，就只拿 A 視頻當(dāng)訓(xùn)練樣本），相當(dāng)于 “只看考試分?jǐn)?shù)，不看考生在全班的排名”。EMER 則反其道而行：把用戶一次請(qǐng)求中的所有候選視頻（哪怕沒(méi)被用戶看到）都打包成一個(gè)訓(xùn)練樣本。這樣做有兩個(gè)好處：1）解決 “曝光偏差”：避免模型只學(xué)過(guò) “被推薦過(guò)的視頻”，忽略那些沒(méi)機(jī)會(huì)展示的優(yōu)質(zhì)內(nèi)容；2）提供 “比較基礎(chǔ)”：讓模型能直接對(duì)比 “同一批候選里，哪個(gè)視頻更適合用戶”，和線上真實(shí)的排序場(chǎng)景完全對(duì)齊。

2、特征：給模型加 “相對(duì)位置信息”

光有全量候選還不夠，EMER 還為每個(gè)視頻增加了 Normalized Ranks（original item rank/total number of candidate items ）特征 —— 簡(jiǎn)單說(shuō)，就是告訴模型：“這個(gè)視頻在這一批候選中的排名是第幾（從某單一維度的信號(hào)來(lái)看）”，讓模型明確知道每個(gè) item 在當(dāng)前候選集中的相對(duì)地位。

3、模型：用 Transformer 捕捉 “視頻間的關(guān)聯(lián)”

為了處理 “多個(gè)視頻之間的比較關(guān)系”，EMER 基于 Transformer 的網(wǎng)絡(luò)架構(gòu)。本身 Transformer 天然就擅長(zhǎng)處理序列和關(guān)系，它能顯式地捕捉候選 item 之間的復(fù)雜關(guān)系，評(píng)估每個(gè) item 對(duì)其他 item 的影響。最終，模型給出的得分，不再僅僅是 item 本身的質(zhì)量分，更包含了它在當(dāng)前上下文中的相對(duì)價(jià)值。

二、怎么讓模型知道 “用戶滿意” 嗎？

解決了 “比較” 的問(wèn)題，下一個(gè)難點(diǎn)來(lái)了：如何定義 “用戶滿意”？有人點(diǎn)贊算滿意，有人不點(diǎn)贊但看完也算滿意，甚至同一個(gè)人對(duì) “搞笑視頻” 和 “知識(shí)視頻” 的滿意標(biāo)準(zhǔn)都不一樣。

在推薦系統(tǒng)領(lǐng)域，一個(gè)長(zhǎng)期存在的挑戰(zhàn)是如何構(gòu)建一個(gè)有效的監(jiān)督目標(biāo)，以準(zhǔn)確量化和優(yōu)化用戶滿意度。由于用戶行為的個(gè)性化和多樣性，簡(jiǎn)單地用單一指標(biāo)或絕對(duì)分?jǐn)?shù)來(lái)衡量滿意度是極其困難的。

EMER 用兩套方案，把 “模糊的滿意” 變成了 “可學(xué)習(xí)的目標(biāo)”。

1、用 “相對(duì)滿意度” 替代 “絕對(duì)分?jǐn)?shù)”

不糾結(jié) “這個(gè)視頻的滿意度是 80 分還是 90 分”，而是判斷 “用戶對(duì) A 視頻的反饋是否比 B 視頻好”。EMER 定義了一套基于相對(duì)優(yōu)勢(shì)滿意度 + 多維滿意度代理指標(biāo)的方法：多重正反饋（點(diǎn)贊 + 評(píng)論 + 轉(zhuǎn)發(fā)）＞單一正反饋（只點(diǎn)贊）＞無(wú)正反饋。然后用 “Pairwise Logistic Loss” 訓(xùn)練模型 —— 簡(jiǎn)單說(shuō)，就是讓模型學(xué)會(huì) “區(qū)分 A 和 B 哪個(gè)更讓用戶滿意”，慢慢摸清不同用戶的偏好差異。

2、用 “多維度滿意度代理指標(biāo)” 補(bǔ)全信息

只看用戶的 “事后反饋” 比如看完點(diǎn)贊有缺陷：例如有些視頻用戶沒(méi)刷到（即曝光偏差），有些視頻反饋太少（即信號(hào)稀疏）。

EMER 的解決辦法是：引入 “多維滿意度代理指標(biāo)”—— 也就是第一階段大模型預(yù)估的各種 “先驗(yàn)信號(hào)”（Pxtrs）。提升某個(gè)信號(hào)的排序效果，就能提升相應(yīng)維度的用戶滿意度，所有信號(hào)的排序效果同時(shí)提升，將共同促進(jìn)整體用戶滿意度的提高。它不把這些信號(hào)簡(jiǎn)單合并，而是把每個(gè)信號(hào)都當(dāng)成獨(dú)立的訓(xùn)練目標(biāo)，讓模型同時(shí)優(yōu)化 “觀看時(shí)長(zhǎng)排序”、“完播率排序”、“點(diǎn)贊率排序” 等多個(gè)維度。

這樣做的好處是：既能解決 “事后反饋稀疏” 的問(wèn)題，還能讓模型兼顧 “即時(shí)反饋”（比如點(diǎn)贊）和 “延遲反饋”（比如復(fù)訪），更全面地理解 “用戶滿意”，從而在排序時(shí)做出更精準(zhǔn)的權(quán)衡和決策。

三、智能優(yōu)化：讓模型 “自我進(jìn)化”，平衡多目標(biāo)

推薦排序中最頭疼的問(wèn)題，莫過(guò)于 “多目標(biāo)沖突”—— 比如想提升 “停留時(shí)長(zhǎng)”，可能會(huì)推更長(zhǎng)的視頻，但這會(huì)導(dǎo)致 “播放量下降”；想提升 “播放量”，推短平快視頻，又可能讓 “留存率降低”。

過(guò)去，工程師只能靠人工調(diào)試權(quán)重；EMER 則給模型加了個(gè) “自我進(jìn)化” 模塊 —— 優(yōu)勢(shì)評(píng)估器（簡(jiǎn)稱 AE），讓模型自己動(dòng)態(tài)調(diào)整目標(biāo)權(quán)重。

1、對(duì)比 “新舊模型”，自動(dòng)調(diào)權(quán)重

不同于依賴靜態(tài)權(quán)重配置的傳統(tǒng)方法，EMER 能夠根據(jù)當(dāng)前模型相對(duì)于之前版本模型的性能表現(xiàn)，自動(dòng)調(diào)整不同損失的權(quán)重。當(dāng)某個(gè)目標(biāo)表現(xiàn)下降時(shí)，優(yōu)勢(shì)評(píng)估器會(huì)增加其權(quán)重，促使模型集中優(yōu)化；反之，則會(huì)減少其權(quán)重，去關(guān)注其他效果更差的目標(biāo)。

簡(jiǎn)單來(lái)說(shuō)，優(yōu)勢(shì)評(píng)估器會(huì)實(shí)時(shí)對(duì)比 “當(dāng)前模型” 和 “上一版模型” 的表現(xiàn)。如果發(fā)現(xiàn) “當(dāng)前模型的播放量比上一版降了”，就自動(dòng)增加 “播放量目標(biāo)” 的權(quán)重，讓模型重點(diǎn)優(yōu)化。如果發(fā)現(xiàn) “留存率已經(jīng)漲得很好了”，就減少 “留存目標(biāo)” 的權(quán)重，去關(guān)注其他沒(méi)做好的指標(biāo)。整個(gè)過(guò)程不需要人工干預(yù)，模型能根據(jù)業(yè)務(wù)效果實(shí)時(shí)調(diào)整，比人工調(diào)參更高效、更精準(zhǔn)。并且以按請(qǐng)求級(jí)別的細(xì)粒度計(jì)算，確保模型能持續(xù)適應(yīng)不同用戶的個(gè)性化偏好和同一個(gè)用戶隨時(shí)間不斷變化的行為。

實(shí)驗(yàn)證明，這種 “自我進(jìn)化” 機(jī)制效果顯著：對(duì)比 “固定權(quán)重模型”，EMER 不僅沒(méi)出現(xiàn) “時(shí)長(zhǎng)漲但播放量降” 的情況，還實(shí)現(xiàn)了 “多指標(biāo)全面提升”。在初版模型中，EMER 甚至成功融合了 78 個(gè)目標(biāo)，且每個(gè)目標(biāo)的表現(xiàn)都優(yōu)于傳統(tǒng)公式，這是人工調(diào)參完全做不到的。

這種 “自我進(jìn)化” 的訓(xùn)練方案使得 EMER 具備了 “學(xué)習(xí)如何學(xué)習(xí)” 的能力，從而實(shí)現(xiàn)了持續(xù)和自適應(yīng)的性能提升。

2、離在線一致性：解決 “解耦悖論”

做推薦模型時(shí)，很容易遇到一個(gè)怪象：離線測(cè)試時(shí)，模型各項(xiàng)指標(biāo)都很好，但一上線，總互動(dòng)量反而下降了。經(jīng)過(guò)研究發(fā)現(xiàn)其背后的根源在于：離線優(yōu)化的是 “單個(gè)視頻的互動(dòng)概率（pxtr）”，而線上業(yè)務(wù)追求的是 “單位時(shí)間內(nèi)的互動(dòng)密度”。這完全是兩回事。

• 離線訓(xùn)練目標(biāo)：優(yōu)化單個(gè) item 的互動(dòng)概率（pxtr），其目標(biāo)是讓用戶對(duì)每個(gè)獨(dú)立的推薦 item 產(chǎn)生互動(dòng)的可能性最大化。
• 在線業(yè)務(wù)目標(biāo)：用戶有限的會(huì)話時(shí)間內(nèi)，最大化總互動(dòng)次數(shù)。這意味著我們需要增加互動(dòng)的 “概率密度”，即在單位時(shí)間內(nèi)的互動(dòng)效率。

為了緩解這個(gè)問(wèn)題，EMER 提出了一個(gè)新指標(biāo) —— 單位時(shí)間互動(dòng)概率（IPUT）。

過(guò)將優(yōu)化目標(biāo)從 pxtr 轉(zhuǎn)化為 IPUT，這把模型的優(yōu)化方向從 “讓你對(duì)某一個(gè)視頻更可能互動(dòng)”，精準(zhǔn)地調(diào)整為 “讓你在一分鐘里能產(chǎn)生更多次互動(dòng)”，這一方法從根本上消除了 “解耦悖論”，極大地提升了離線訓(xùn)練和在線效果的一致性，為模型離線的高效迭代奠定了堅(jiān)實(shí)基礎(chǔ)。

四、落地驗(yàn)證：數(shù)據(jù)說(shuō)話，用戶與業(yè)務(wù)雙受益

EMER 不是實(shí)驗(yàn)室里的 “理論模型”，而是已經(jīng)全面落地快手主 App 和極速版單列場(chǎng)景的 “實(shí)戰(zhàn)方案”。從實(shí)驗(yàn)數(shù)據(jù)來(lái)看，效果超出預(yù)期：

1、核心業(yè)務(wù)指標(biāo)顯著提升

此前，快手精排階段采用人工設(shè)計(jì)的融合公式（FF）排序，通過(guò)對(duì)各 PXTR 進(jìn)行變換后相乘得出視頻分?jǐn)?shù)。本次實(shí)驗(yàn)中，團(tuán)隊(duì)在快手極速版與主站 APP 中分別部署 EMER 模型進(jìn)行打分，并開(kāi)展線上 A/B 測(cè)試。實(shí)驗(yàn)結(jié)果顯示，EMER 在核心指標(biāo)如 LT、停留時(shí)長(zhǎng)、播放次數(shù)及互動(dòng)等方面均顯著優(yōu)于 FF 方法（下左圖），且 LT 指標(biāo)仍保持持續(xù)上升趨勢(shì)（下右圖）。

對(duì)比傳統(tǒng)的 “人工公式（FF）”，EMER 在兩個(gè)核心 App 中的表現(xiàn)顯著。

為評(píng)估排序結(jié)果與各滿意度維度信號(hào)之間的一致性，快手策略算法團(tuán)隊(duì)比較了不同融合方法輸出的排序結(jié)果與多項(xiàng) PXTR（如觀看時(shí)長(zhǎng)、有效播放、點(diǎn)贊、評(píng)論等）之間的 GAUC。結(jié)果顯示，EMER 在大多數(shù) PXTR 上取得最優(yōu)的一致性表現(xiàn)，體現(xiàn)出其在多目標(biāo)排序方面的綜合優(yōu)勢(shì)。

2、跨鏈路復(fù)用效果明顯

除了主場(chǎng)景，EMER 還適配到了快手端到端生成式推薦系統(tǒng) OneRec 鏈路的獎(jiǎng)勵(lì)模型中。同樣取得了亮眼成績(jī)：App 停留時(shí)長(zhǎng)提升 0.56%，七日留存提升 0.149%。該方法也已擴(kuò)展至快手其他業(yè)務(wù)場(chǎng)景中進(jìn)行試點(diǎn)。這說(shuō)明 EMER 不是 “單點(diǎn)方案”，而是具備跨場(chǎng)景復(fù)用能力的 “通用框架”。

3、消融實(shí)驗(yàn)：拆解 EMER 的 “核心能力”，少一個(gè)都不行！

為了搞清楚 EMER 模型里，到底是哪些設(shè)計(jì)在 “真正發(fā)力”，快手策略算法團(tuán)隊(duì)做了一組 “消融實(shí)驗(yàn)”—— 簡(jiǎn)單說(shuō)就是 “逐個(gè)去掉模型的核心組件，看性能會(huì)不會(huì)掉”。實(shí)驗(yàn)分 “離線測(cè)試”（模型內(nèi)部指標(biāo)）和 “線上測(cè)試”（真實(shí)用戶數(shù)據(jù)）兩部分，結(jié)果很明確：EMER 的每個(gè)關(guān)鍵設(shè)計(jì)，都是提升效果的 “剛需”，少一個(gè)都不行。

表 1: EMER 和消融版本的離線 GAUC 比較

表 2：EMER 和消融版本的在線 A/B 效果比較

必須讓模型 “學(xué)會(huì)比較”，單獨(dú)打分行不通：EMER 的核心思路之一，是讓模型能 “看到” 多個(gè)視頻之間的關(guān)系。為了驗(yàn)證這個(gè)設(shè)計(jì)的重要性，他們構(gòu)建變體模型 EMER-NoComp：不讓它看多個(gè)視頻的關(guān)系，只給每個(gè)視頻單獨(dú)打分。結(jié)果很明顯：不管是離線的核心指標(biāo)（GAUC），還是線上的用戶數(shù)據(jù)（比如停留時(shí)長(zhǎng)、播放量），這個(gè)簡(jiǎn)化版模型的表現(xiàn)都比原版 EMER 差。

“用戶反饋” 和 “提前預(yù)估”，兩個(gè)信號(hào)缺一不可：前文提到，EMER 構(gòu)建了一套相對(duì)優(yōu)勢(shì)滿意度 + 多維滿意度代理指標(biāo)的方法。為了看這兩個(gè)信號(hào)的作用，他們分別構(gòu)建 EMER-NoPost（移除后驗(yàn)信號(hào)）與 EMER-NoPrior（移除先驗(yàn)信號(hào)）變體。結(jié)果是：這兩個(gè)模型的表現(xiàn)都比原版 EMER 差，尤其是去掉 “提前預(yù)估” 的 EMER-NoPrior，效果掉得更明顯。

這很好理解：只看用戶反饋，會(huì)漏掉很多 “用戶沒(méi)刷到的好視頻”（比如視頻沒(méi)曝光，自然沒(méi)反饋）；只看提前預(yù)估，又會(huì)缺少 “用戶真實(shí)體驗(yàn)的驗(yàn)證”。只有把兩個(gè)信號(hào)結(jié)合起來(lái)，模型才能全面判斷 “用戶會(huì)不會(huì)滿意”。

模型得 “自己調(diào)整權(quán)重”，固定權(quán)重會(huì)顧此失彼：EMER 有 “自我進(jìn)化” 的機(jī)制，能根據(jù)效果自動(dòng)調(diào)整 “不同目標(biāo)的權(quán)重”。為了測(cè)試這個(gè)功能，他們采用固定權(quán)重訓(xùn)練：不給它自動(dòng)調(diào)整的權(quán)利（比如不管效果怎么變，都讓 “停留時(shí)長(zhǎng)” 占 60% 權(quán)重，“播放量” 占 40%）。結(jié)果出問(wèn)題了，雖然用戶停留時(shí)長(zhǎng)上去了，但播放量跌了 2.347%，轉(zhuǎn)發(fā)跌了 8.418%，評(píng)論跌了 8.109%，典型的 “撿了芝麻丟西瓜”。后來(lái)還嘗試著人工調(diào)整權(quán)重，結(jié)果還是不如 EMER 的 “自動(dòng)調(diào)整” 效果好。

這說(shuō)明：EMER 的 “自動(dòng)調(diào)整權(quán)重” 不只是 “改個(gè)數(shù)字”，更是在幫模型 “找對(duì)學(xué)習(xí)方向”—— 避免某個(gè)目標(biāo) “一路狂奔”（比如只追求時(shí)長(zhǎng)，忽略播放量），也避免某個(gè)目標(biāo) “躺平擺爛”（比如轉(zhuǎn)發(fā)率一直跌卻不優(yōu)化），保證所有目標(biāo)都能均衡提升。

圖：loss 分布比較：EMER vs. 消融版本 EMER-NoEvolve

必須對(duì)齊 “離線訓(xùn)練” 和 “線上效果”，不然模型會(huì) “紙上談兵”：為驗(yàn)證離在線一致性以及 IPUT 的作用，他們做了個(gè) “沒(méi) IPUT 的模型”（叫 EMER-NoIPUT）。結(jié)果顯示：有 IPUT 的原版 EMER，離線指標(biāo)和線上用戶數(shù)據(jù)的 “匹配度” 很高 —— 離線算出來(lái)好的，線上實(shí)際效果也真的好；而沒(méi) IPUT 的模型，還是會(huì)出現(xiàn) “離線好、線上差” 的情況。這說(shuō)明：IPUT 幫模型 “找準(zhǔn)了學(xué)習(xí)目標(biāo)”—— 不再是 “紙上談兵” 算概率，而是真正貼合用戶的實(shí)際使用場(chǎng)景，這是保證模型 “有用” 的關(guān)鍵。

4、選對(duì) “評(píng)估標(biāo)準(zhǔn)”，才能讓模型往對(duì)的方向?qū)W

EMER 的 “自動(dòng)調(diào)整權(quán)重” 功能，需要一個(gè) “判斷標(biāo)準(zhǔn)”：怎么知道當(dāng)前模型比上一版好還是差？他們測(cè)試了三種不同的 “評(píng)估方式”，最終發(fā)現(xiàn) DCG@K 效果最好，在幾乎所有 GAUC 指標(biāo)上都比另外兩種強(qiáng)。所以，EMER 最終就用了 DCG@K 作為 “判斷標(biāo)準(zhǔn)”，確保模型每次調(diào)整，都是往 “把好視頻放前面” 的方向優(yōu)化，而不是走偏。

五、總結(jié)

從 “人工調(diào)公式” 到 “AI 自進(jìn)化”，EMER 的價(jià)值不僅在于 “提升了快手的業(yè)務(wù)指標(biāo)”，更在于它為行業(yè)解決了三個(gè)長(zhǎng)期存在的核心難題：

1. 用戶滿意度難定義：用 “相對(duì)優(yōu)勢(shì)滿意度” +“多維滿意度代理指標(biāo)”，把模糊的需求變成可學(xué)習(xí)的目標(biāo)。

2. 排序的本質(zhì)是 “比較”，同一個(gè)請(qǐng)求內(nèi)候選適配之間的比較關(guān)系是非常重要的，模型如何感知此類(lèi)信息也是一個(gè)難點(diǎn)。

3. 模型的學(xué)習(xí)目標(biāo)難定義，也意味著模型的評(píng)估 Metric 難設(shè)計(jì)。

目前，EMER 已經(jīng)成為快手短視頻推薦的核心排序框架，而團(tuán)隊(duì)還在持續(xù)探索 —— 比如如何挖掘 “更能代表用戶滿意” 的信號(hào)，如何進(jìn)一步提升模型的個(gè)性化能力。對(duì)于行業(yè)來(lái)說(shuō)，這套 “可落地、可驗(yàn)證” 的方案，或許能為更多企業(yè)的推薦系統(tǒng)優(yōu)化，提供一份切實(shí)可行的參考。