Google 提 SDF 框架，削减 54.9% 陈旧内容投诉
_reachsumit · x · 2026-08-18
Google 提出了 SDF (Supersession-Decay Filtering) 系统，专门解决大规模内容平台（如 Google Discover）中的推荐陈旧问题。该系统已在生产环境部署，服务数亿日活用户。
问题分析：
- Supersession（替代）： 新内容出现使旧覆盖过时。
- Relevance Decay（衰减）： 信息价值随生命周期自然下降。
传统方法（如年龄截断、参与度启发式）往往反应滞后。
解决方案：
- Relational Staleness Model： 检测项目对之间的替代关系。
- PTR Model： 基于内容预测生命周期内的流量衰减。
- 在排序上游应用析取逻辑过滤候选项。
结果：
在线实验显示，该方法显著减少了陈旧内容的流行度，同时提升了用户参与度，并将用户关于陈旧的报告降低了 54.9%。
「研究」频道最新
- 研究推出 dropout 缩放律：按激活参数量用 sigmoid 公式定最优 dropout — gordic_aleksa · 2026-10-16
- 移除 Gemini 后相关性从 0.20 升至 0.96：通用能力与机器人能力高度挂钩 — ycombinator · 2026-10-16
- EPFL 用 RFdiffusion 设计变形蛋白,单序列可折叠两种构象 — ferruz_noelia · 2026-10-16
- 通过操纵「地位感」观察模型行为,作者续谈夺权反事实推断 — jd_pressman · 2026-10-16
- 新基准测「对齐伪装」模型：五种检测法中一种识别率高达 98% — jd_pressman · 2026-10-16
- MLP 神经元可解释性六年研究脉络:一帖梳理关键论文 — aryaman2020 · 2026-10-16