冷启动不是玄学：推荐系统技术的硬约束与反馈回路

九月底的南京，软件谷会议室空调开得很足。白板上画着召回、粗排、精排、重排四段链路，旁边有人写了一句“冷启动先上双塔”。这场景太熟了。推荐系统技术最容易被误读的一点，是把它当成一个排序模型。模型当然重要，可它只是链路里最后一截。前面数据怎么来、日志怎么记、反馈怎么偏，往往更决定线上效果。说实话，很多“模型不work”的争论，吵到收尾是在补数据债。

冷启动先把责任还给数据

新用户进来，只有一次曝光、一次点击，甚至只有设备号和城市。此时协同过滤几乎无从下手，双塔召回的物品侧向量也未必可靠。常见做法是用内容特征、热门兜底、地域偏好做冷启动，再用探索策略收集反馈。这里有个硬约束：探索预算不是免费的。给新用户推长尾，短期点击率会掉；推热门，反馈又高度同质。工程上更稳的路径，是把冷启动拆成“可解释的规则兜底 + 受限的探索 + 快速的特征回填”，而不是指望一个端到端模型从零学会。南京这边做本地生活推荐时，地域粒度就特别敏感：新街口和江宁的偏好差异，可能比两个城市还大。用城市级先验直接套，容易把用户推到一个“看似合理、实际不对”的商圈。反例也有：某些低频品类，内容特征质量差，冷启动阶段强行个性化反而放大噪声，这时热门兜底并不丢人。多大事啊，先让系统跑起来，再谈精细。 推荐系统技术冷启动数据流与特征回填示意图

召回不是漏斗的第一层那么简单

很多团队把召回当漏斗入口，觉得多路召回堆上去，总有一路能捞到。问题是，召回之间不是简单并集。多路召回的分数不可比，去重和截断会改变候选分布，粗排再一压，精排看到的样本已经偏了。更麻烦的是召回阶段的目标和最终目标经常错位：召回按点击概率捞，精排按转化率排，重排又加多样性约束，链路每一层都在“局部合理”地改写问题。做推荐系统技术评审时，我常问一句：召回截断的阈值是怎么定的？如果答案是“离线试出来的”，那就要看离线样本怎么采。曝光日志只记录被展示的物品，未展示的负样本是缺失的，直接当负例训练，会把“没机会”误判成“不喜欢”。这不是模型容量能补的。另一个限制是延迟。召回要覆盖百万级物品，双塔内积、ANN 索引、多路并发，任何一环抖一下，线上超时就会触发降级。降级策略如果只是“回退热门”，短期稳，长期会把反馈回路越拧越窄。 推荐系统技术多路召回与粗排精排链路架构图

离线指标好看，线上未必买账

AUC、NDCG 涨了，线上人均时长没动，甚至掉了。这种事儿不罕见。原因不神秘：离线评估的样本分布和线上真实流量不一致，评价目标也和业务目标不完全对齐。比如新闻推荐，离线按点击 label 训练，线上却要平衡点击、停留、负反馈；如果负反馈稀疏，模型就会学会“标题越刺激越容易被点”。短期指标好看，长期用户信任被消耗。更隐蔽的是反馈回路：系统推什么，用户看什么；用户看什么，日志记什么；日志记什么，下一轮模型学什么。回路一旦收窄，热门更热，长尾更冷，评估集也跟着偏。要破这个局，离线评估至少要做时间切分、曝光无偏估计和负反馈加权，线上则要有探索流量和长期指标观测。别嫌麻烦。南京有团队做过一个挺朴素的验证：同一套精排模型，只改样本权重，把负反馈样本上调，离线 AUC 略降，但线上次日留存稳住了。这个例子说明，指标不是越高越好，得看它代表谁的利益。

边界、风险与一点冷思考

推荐系统技术的边界，首先在数据。没有可靠的物品内容、用户行为和上下文，个性化就是空中楼阁。其次在业务约束：库存、时效、地域、合规，都会把“理论最优”压回可行域。风险也摆在那儿：过度优化参与度会放大信息茧房，敏感特征进入模型会带来歧视风险，生成式推荐还可能编造不存在的卖点。应对不是喊口号，而是把约束写进目标函数、把审计做进日志、把可解释性留在链路上。至于趋势，我比较谨慎。大模型能改善语义理解和冷启动，但推理成本和延迟摆着，短期内更现实的是在召回侧做语义补充、在重排侧做约束求解，而不是把整条链路推倒重来。九月底的南京夜里有点凉，会议室白板上的“双塔”还没擦。技术讨论收尾时，常常不是模型不够新，而是数据、目标和约束没对齐。这话不玄。多大事啊，先把链路跑通，再谈花活。