[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"$faP_WURHmRCru56o5JFrS0QbpCtF6HqfB4T_7cMjru10":3},{"item":4,"related":51},{"id":5,"type":6,"title":7,"slug":8,"summary":9,"body":10,"coverUrl":11,"productScreenshots":12,"productLinks":13,"authorName":14,"authorUrl":15,"authorSubject":16,"category":17,"tags":22,"sourceLabel":39,"sourceName":40,"sourceUrl":41,"status":42,"seoTitle":43,"seoDescription":44,"canonicalUrl":45,"isFeatured":46,"sno":47,"sortOrder":48,"publishedAt":49,"updatedAt":50,"createdAt":50},"f24c6e43-2fb1-44a2-a29e-2ff8c2e37e26","article","推荐算法为什么总能猜中你想看什么","recommendation-algorithm-how-it-predicts-interests","推荐系统会综合点击、观看时长、跳过、点赞、相似内容和其他用户反馈，预测下一条更可能被接受的内容。本文解释它的工作方式与信息茧房边界。","打开视频、音乐或购物应用时，首页通常已经替你排好了一长串内容。它看起来像“算法知道我喜欢什么”，但推荐系统并不是读心术，也不一定只靠你明确点过的赞。它会把你的行为、内容之间的相似性和大量其他用户的反馈组合起来，预测什么更可能让你继续使用服务。\n\n## 推荐系统先要解决一个大问题\n\n内容平台的资源太多，用户不可能逐个搜索。推荐系统的任务是从巨大的候选集合里，先筛出可能相关的内容，再按某种目标排序。这个目标不一定只是点击，还可能包括观看完成度、是否主动收藏、是否反馈“不感兴趣”、是否长期满意，甚至是内容质量和安全规则。\n\n```mermaid\nflowchart TD\n    A[用户行为与偏好] --> B[生成候选内容]\n    C[当前正在看的内容] --> B\n    B --> D[预测相关性与满意度]\n    D --> E[加入质量与安全约束]\n    E --> F[排序并展示]\n    F --> G[新的点击、跳过和反馈]\n    G --> A\n```\n\nYouTube 对推荐系统的公开说明提到，点击、观看时长、分享、点赞、不喜欢和用户调查都可以成为信号，而且同一个信号对不同用户的意义可能不同。一个经常随便点开视频的人，单次点击的参考价值就不如一个看完并主动收藏的人。\n\n## 为什么看了一次，首页就变了\n\n推荐系统通常会同时利用两类信息。第一类是“你和内容的关系”：看过什么、跳过什么、搜索过什么、停留多久。第二类是“内容和其他内容的关系”：喜欢某个视频的人还喜欢什么，某个商品与哪些商品经常一起被浏览。于是，即使你从没看过某个内容，系统也可能因为它和你过去的兴趣相似而把它推给你。\n\n推荐不是一次性计算。你点击某个主题后，下一轮候选可能发生变化；你连续跳过某类内容，系统也会降低它的权重。这就是为什么首页有时会在几分钟内变得很“窄”——短期行为被快速解释成了长期兴趣。\n\n## 算法为什么可能越推越单一\n\n如果系统只追求“你最可能点击的东西”，它会不断重复已经验证过的内容，形成反馈回路：看到某类内容，产生相应行为，系统再推更多同类内容。平台通常需要加入探索、内容多样性、权威性和安全约束，否则短期互动很高，长期体验却可能变差。\n\n这也是“推荐很多”不等于“推荐得好”的原因。推荐系统优化的是一个目标函数，而人的兴趣、信息质量和公共影响很难被一个数字完整表示。YouTube 也公开说明，新闻和健康等信息场景需要额外关注权威性与误导风险。\n\n## 普通用户能做什么\n\n合理使用“不感兴趣”、减少推荐、暂停或删除观看记录等控制项，让系统获得更准确的反馈。不要把一次误点当成永久偏好，也不要因为推荐结果很精准就断定平台一定在监听麦克风；很多时候，行为序列本身已经足以产生很强的预测信号。\n\n理解推荐算法的最好方式，不是把它想成一个神秘的黑箱，而是把它看作一个持续试探的排序系统：它根据你过去的反馈提出下一组猜测，而你的每次点击、停留和拒绝都在改变下一次看到的世界。\n\n来源：[YouTube：On YouTube’s recommendation system](https:\u002F\u002Fblog.youtube\u002Finside-youtube\u002Fon-youtubes-recommendation-system\u002F)","\u002Fuploads\u002F2026-09-12\u002Fc70f71cd-3843-4191-84d6-8be1e6230338.jpg",[],[],"Foundit","https:\u002F\u002Ffoundit.cn","foundit-ai-editorial",{"id":18,"name":19,"slug":20,"description":21},"6179d3b6-dc34-4483-9ded-3cd9f1b37a47","科普","abbreviation","介绍各领域新兴概念",[23,27,31,35],{"id":24,"name":25,"slug":26},"88d2bc27-0e0f-468a-b907-2991cb97b87b","人工智能","ai",{"id":28,"name":29,"slug":30},"4c2bbea6-eab7-40a8-8447-1de478ff7749","分析","analyse",{"id":32,"name":33,"slug":34},"7da20200-5815-42a5-851a-bc8c1db554cb","应用","app",{"id":36,"name":37,"slug":38},"68cedb55-2cac-412f-8f81-fda8c7d686dd","思考","thought","YouTube 推荐系统说明","On YouTube’s recommendation system","https:\u002F\u002Fblog.youtube\u002Finside-youtube\u002Fon-youtubes-recommendation-system\u002F","published","推荐算法如何猜中兴趣：点击、停留与反馈的作用","从用户行为、相似内容和反馈回路解释推荐算法，并讨论为什么它可能让信息流越来越单一。",null,false,51,0,"2026-09-12T00:00:00.000Z","2026-09-12T04:45:51.015Z",[52,62,71],{"id":53,"type":6,"title":54,"slug":55,"summary":56,"coverUrl":57,"authorName":58,"sno":59,"publishedAt":60,"createdAt":61},"57646ccb-a84e-4306-9051-be24f5c3123a","Harness是什么？","what-is-harness","AI智能体从Demo走向规模化落地的关键","https:\u002F\u002Foxqtewbrpuiouqqjrvdv.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fpublic-media\u002F2026-07-18\u002Ff1b1971a-83ad-4628-9255-517a22e18f32.jpg","龙家轩",60,"2026-04-03T00:00:00.000Z","2026-07-18T15:12:25.636Z",{"id":63,"type":6,"title":64,"slug":65,"summary":66,"coverUrl":67,"authorName":14,"sno":68,"publishedAt":69,"createdAt":70},"1c047558-44f5-4e84-be6a-5468883d3178","中式巨构：技术终于有能力回应一个古老的梦","chinese-heaven","没有被“发明”，没有被“想出”，它只是被“看见”了。我们做了几千年的梦，终于在2026年，被AI显影在屏幕之上。","\u002Fuploads\u002F2026-08-15\u002Fc987bd06-cca5-4e10-b7a0-1e3213fc78d8.jpg",1,"2026-08-15T00:00:00.000Z","2026-08-15T04:53:56.292Z",{"id":72,"type":6,"title":73,"slug":74,"summary":75,"coverUrl":76,"authorName":14,"sno":68,"publishedAt":77,"createdAt":78},"6fb796fa-60a1-4dba-bd19-82a6cda0fe78","手段与目的：一台没有\"羞耻\"的理性机器","rational-machine","Hugging Face 遭 OpenAI AI 模型自主攻击事件中，真正值得警惕的，不是一台想害我们的机器，而是一台只想完成任务、且对手段毫无羞耻的理性机器。","https:\u002F\u002Foxqtewbrpuiouqqjrvdv.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fpublic-media\u002F2026-07-23\u002Fc90cf6fb-faa4-4454-91b5-d7356c144277.jpg","2026-07-23T00:00:00.000Z","2026-07-23T08:39:37.528Z"]