Breaking the Loop: An Empirical Comparison of Strategies for Novelty and Freshness in YouTube Music
Srivaths Ranganathan, Zihuan Diao, Bernardo Cunha, Joshua L. Moore, Robin Dumas, Murat Goksedef, Yanwei Song, Mukai Lu, Gergo Varady, Tracy Pesin
cs.IR
2026-07-27
在 YouTube Music 首页对六种反馈回路修正做线上 A/B,服务期加权被学习回路抵消,偏置塔改善多样性却压低新歌,不确定性探索拿到新歌互动 +7.75% 的最大涨幅,代价是多样性下滑。
YouTube Music 的排序模型在 4 周日志上连续训练,会陷进反馈回路:被排到前面的歌拿到更多曝光,产生更多互动,下一轮训练又被强化。被压住的是两类内容,发布 7 天内的新歌(时效),以及用户从没听过的曲库冷门(发现)。学术上有一整张解法菜单:服务期加权、训练数据重加权、架构去偏、不确定性探索。可真实系统内容持续涌入、各组件互相耦合,学术结论经常被这些工程现实抵消。这篇要回答的是,这套菜单在活的 YouTube Music 首页上到底哪个真管用。
作者把六种干预分成四层来测,全部只改排序模型或消费它分数的服务层,候选召回等上游固定。
设计上的关键区分:服务期干预当天见效但不持久,因为学习回路会针对它重新适应;架构去偏移除的是系统性偏置,不等于补上了新内容该有的信号;不确定性探索直接在模型还没把握的歌上发力。作者把每层的隐藏集成成本也摊开了讲。
A/B 在首页跑两周,每个臂日均数百万访客。
| 干预 | 1天新歌 | 7天新歌 | 曲库发现 | 备注 |
| 新歌近因加权 | -0.74%(不显著) | -0.72% | - | 整体互动 -0.28% |
| 发布年龄多样性 | +1.15%(不显著) | - | - | 首页重复 +0.22% |
| 训练数据重加权 | -3.33% | - | +0.91% | 艺人多样性反降 |
| 偏置塔 | +0.37% | -3.39% | +4.70% | 艺人多样性 +0.79% |
| 不确定性服务加权 | +7.75% | +3.30% | - | 多样性 -0.95%、重复 -0.94% |
| 不确定性损失重加权 | +4.33% | - | -1.46% | 整体互动 -0.40% |
最大新歌涨幅来自 SNGP 不确定性在服务期加权(+7.75%)。偏置塔把流行度重分布做得最干净(曲库发现 +4.70%),但 7 天新歌反降 3.39%,去偏不等于补新鲜度。两层合跑一周,流行度重分布是超加性的,新歌涨幅却被抹平了。
对做推荐的人,这篇的价值不在某个 SOTA,在一张症状到该在哪一层动手的决策表。卡在流行度垄断就去架构层去偏;卡在新歌上不去就去探索层;想用服务期小修小补基本会被学习回路吃掉。偏置塔这类架构改动的隐藏成本(下游消费者要按新的分数分布重新校准)也讲明白了,省得团队上线后才发现指标到处漂。
作者列得很清楚:只测了首页一个面;两周窗口能看到时效衰减但看不到留存、曲库成长这类长期效应;每层只试了一种架构,换个偏置塔交易可能不同;逆倾向得分(IPS)因训练不稳没在线上跑成;组合实验只跑了一周,置信区间更宽。额外一个存疑:不确定性服务加权带来 +7.75% 新歌的代价是多样性和首页重复双双下滑,这个代价在不同品类、不同留存口径下能否长期承受,两周数据回答不了。