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
- KDD Cup 揭晓推荐系统大一统方案，冠军仅用 DeepSeek 搞定 — 量子位 · 2026-08-18
- Spellcaster 六 Agent 闭环：解决 AI 生成游戏不可玩难题 — 量子位 · 2026-08-18
- HumanCLAW 开源:9 个前沿 VLM 具身测试全军覆没,最高仅 16.8% — liuziwei7 · 2026-08-18
- 索引不需全精度：聚类压缩省 60 倍 — _reachsumit · 2026-08-18
- RSI Bench 发布：量化 AI 递归自我改进能力 — dhruv2038 · 2026-08-18
- Scale AI 发布 RSI-Bench，公开征集任务：每任务 2000 美元加论文共同作者 — dhruv2038 · 2026-08-18