拆解 Google Discover 预测机制：个性化权重大于内容主题
gaganghotra_ · x · 2026-08-19
1492.vision 发布深度研究，解析 Google Discover 的推荐算法架构。基于 Google 招聘信息与两年实测数据，文章揭示了该系统的四大模块：检索、预测、排序、嵌入。
核心发现：
- 双维度评分：约 9 个预测评分最终收敛为两个独立轴——关注度（文章属性）与互动度（读者-内容对属性）。
- 个性化主导：在主题潜力相同的情况下，模型学习到的读者-来源亲和力对内容的放大作用是显式“关注”的 8 倍。
- 用户嵌入：每个用户由多个命名嵌入家族（如 Astria, Hobbes）表示，用于精准匹配内容。
「研究」频道最新
- DiSCO：利用提示词优化防御文生图有害内容 — kaust-generative-ai · 2026-08-19
- 新论文提出“智能每瓦”指标，衡量本地 AI 效率 — pscoutou · 2026-08-19
- 文生图扩散模型缩放定律实证 — pbaylies · 2026-08-19
- Yoav Goldberg 回应挑拣数据质疑：样本量从 46 降至 4 — yoavgo · 2026-08-19
- 北大 Kling 团队推 RefCaptioner，解决视频理解幻觉难题 — jiqizhixin · 2026-08-19
- 「Scaling laws 非自然定律」：更好数据与架构仍能掰弯曲线 — bookwormengr · 2026-08-19