问题不在审核
标题党真正的靠山是平台在几百毫秒内挑内容时只认互动量,审核宽不宽松是次要的。
每个大型信息流都跑在同一条两步流水线上。第一步叫召回(从全站内容里粗筛出一小批候选),要把几亿条压到大约一千条;第二步叫排序(给这一千条排出你滑动的先后),这时候才舍得上重模型。
召回必须便宜,因为它要碰全站的内容。所以平台长期用一个廉价替身来判断一条内容值不值得进候选:互动量。谁点了、谁看完了、谁回复了,好记录、好统计、好优化,一整代推荐系统就是这么搭起来的。
问题是互动量太容易制造了。一条帖子开头写「是真程序员的在评论区扣个 1」,点击和回复哗哗地来,内容却什么也没给。按互动量调过的召回系统会老老实实把它推出去,因为按它的尺子量,这条确实表现优异。
平台过去的对策是在排序之后打压、降权、加规则。那是在治症状。召回那一步还在源源不断地把同样的东西捞上来,做号的人换个花样就绕过去了。
从看行为改成看意思
三家的共同解法是让系统按内容讲了什么去找人,而不是按谁点过什么去找人。
这套做法建立在嵌入向量(把一段内容变成一串数字,相当于高维空间里的一个坐标)上。训练的目标是让意思相近的东西落在相近的位置。一条讲修水龙头的帖子和一条讲节约用水的帖子,一个共同的关键词都没有,坐标却挨得很近。
真正落地用的是双塔模型:一座塔把用户(资料加最近的行为)变成一个坐标,另一座塔把每条内容变成一个坐标,两者落在同一张图上。两座塔各算各的,所以全站内容的坐标可以离线提前算好、存成索引;你一打开 App,系统只需要现算你这一个坐标,再找离它最近的那批内容。
关键词匹配只能把「电气工程」连到同样写着这四个字的帖子。语言模型算出来的坐标,能把一个电气工程师连到电网调度、新能源基建,哪怕这些帖子里一个「电气工程」都没出现过。
这个结构不只用在信息流。搜索排序、给大模型喂参考资料的检索、电商推荐,底下是同一套东西。
LinkedIn:五套并一套
LinkedIn 在 2026 年 3 月撤掉五套各自为政的召回系统,换成一个微调过的语言模型,50 毫秒内跑完整个信息流。
LinkedIn 原来的信息流同时向五套系统要候选:一套按时间顺序给你人脉的动态,一套按地区给热门帖,一套跑协同过滤(看和你行为像的人还看了什么),剩下几套各自出向量召回的结果。能用,但五套系统各有各的索引、各朝各的目标优化,谁也不对齐谁,工程维护的开销一年年往上涨。
2026 年 3 月,这五套全撤了,换成一个基于 Meta 开源的大语言模型 LLaMA-3 做微调(在通用模型上用自家数据再训一轮,让它适配特定任务)得到的召回模型。它一个人充当两座塔,把人和帖子编码进同一个空间,靠最近邻搜索支撑全站信息流,延迟压在 50 毫秒以内。
麻烦在于语言模型只认文本,而推荐系统手里全是结构化字段:浏览数、互动率、工作经历、发帖时间。LinkedIn 的办法是写一套提示词模板,把字段翻译成一段话。一个人变成一段自我介绍,一条帖子变成一段带作者和数据的描述,再交给模型去读。
难的不是模型
把「浏览量 32000」改写成「排在同类前 5%」,LinkedIn 的召回准确率就涨了约一成半。
直接把绝对数字写进那段话,几乎没用。LinkedIn 团队发现,这类大整数进到模型里只是一串没有含义的符号,和模型给出的相关性打分几乎不相关。
改法很简单:不给绝对数,给位置。把每个计数换算成分档排名,写成「这条的互动量排在同类的前 5%」这样的表述,模型在上下文里就能读懂它的分量。相关性一下就上来了,召回准确率提升了大约百分之十五。
这件事的普遍意义比它本身大得多。真正费劲的往往不是模型,而是你怎么把数据摆到它面前。 同样一份信息,换个写法,效果差一大截。
Meta:一千多个模型
Meta 走了相反的方向,用一千多个专用模型排成漏斗,还把「你不想看什么」也算进了打分。
Instagram 的推荐系统是一条多段漏斗,背后养着一千多个模型。候选一段段往下走,每过一关数量变少,这一关用的模型比上一关更贵,算力就这样集中花在越来越少的候选上。
最值得注意的是后置排序那一步。Meta 的重模型会一次性预测你可能做出的许多种动作,而不只是会不会点,再由一个价值模型把这些预测合成一个总分:预计你会收藏,加分;预计你会点「少看这类内容」,减分。这等于把用户明确不想看的东西也写进了打分规则,而不只是盯着互动。
互动、多样性、内容安全、对创作者是否公平,这么多目标同时要顾,拆成一段段分开调、分开审,比塞进一个模型里容易得多。代价是运维复杂度,而这恰恰是 LinkedIn 拼命想甩掉的东西。
YouTube:直接写出编号
YouTube 的 PLUM 系统干脆不查索引了,让模型像写句子一样直接生成下一个视频的编号。
它给每个视频分配一个语义 ID,一串由视频内容本身推导出来的短代码,内容相近的视频拿到的代码也长得像。这个编号不是随机标签,它自带信息。
然后 YouTube 拿谷歌 Gemini 系列的一个预训练模型,把这些语义 ID 当成新词加进词表,继续用视频元数据和用户行为训练。训完之后,召回变成了写作:给模型看你最近看了什么,它直接生成下一批你可能想看的视频的编号,一次给出好几个候选,再把编号翻回真实视频。
新麻烦也随之而来:模型可能写出一个根本不存在的编号。原文称微调之后这个比例被压在 5% 以下。换来的好处是覆盖面,比原来的线上系统能挖出多得多的长尾视频,在 Shorts 上把面板点击率抬高了 4.96%。参数存放的位置也反了过来:老系统把大部分参数堆在巨大的向量表里,PLUM 把它们放进了网络本身。
新用户受益最大
最实在的共同收益落在新用户身上:一个什么都没点过的人,系统也能从他填的职业猜出他想看什么。
推荐系统最难的时刻,是一个用户刚来、什么记录都没有。按行为召回在这时候彻底没弹药,它靠的就是你过去点过什么。新用户历来只能看到一堆泛泛的大路货,等行为攒够了才慢慢变准。
语义召回把这一步跳了过去。模型在预训练时就带着大量常识关联,只看一份写着「电气工程师」的资料,就能推出电网调度和能源基建可能是他关心的东西,一次点击都不需要。
但优势和风险是同一个来源:模型是在用先验联想填空。资料写得越少,填出来的越可能是刻板印象,把一个人压缩成「他的资料最像的那类人」。LinkedIn 自己的数据也印证了这一点:新系统带来的整体提升并不大,收益明显集中在新用户和人脉少的用户身上,而这正是行为记录最稀薄的那群人。
没有免费的路线
三家选择不同是因为数据形态不同;而语义召回对标题党的削弱,比它听上去要有限得多。
三个方向各有各的账要付。
- 合并还是拆分:LinkedIn 一套模型好维护、召回和排序目标一致,但线上出问题时只剩一个地方能动手;Meta 那五花八门的一千多个模型,反而给了它多个独立的止损点和天然冗余。
- 便宜还是聪明:语言模型算出来的坐标比老方法懂得多,但生成和在线服务都更烧算力,而且瓶颈往往挪到了数据管道、特征表示和线上服务这些地方。
- 生成还是检索:生成式省掉了那张巨大的向量表,代价是会写出不存在的视频;查索引不会犯这个错,但索引得存、得维护。
更要紧的一点是,语义召回只是削弱了标题党的杠杆,没有消灭它。系统照样能被钻空子,内容做得刚好蹭上高价值话题就行。这三条路线也更像同一套骨架上的不同侧重,不是三个纯粹的物种:YouTube 依然分段排序,LinkedIn 的召回器后面依然接着一个独立的排序模型,Meta 也在试生成式的方法。
真正决定三家走向不同的是数据本身。一个文本极其充沛的职业社交网络、一个目标多到互相打架的图片视频平台、一个内容库大得吓人的视频站,天然适合的结构就不一样。每家都是照着自己数据的形状去优化的,所以谁的方案都不该被当成通用答案抄走。