🏗️ 工业系统设计ID: esmm-sample-selection-bias

ESMM 全空间多任务模型

Q: 推导 ESMM 的联合损失函数公式 $\mathcal{L}(\theta_{ctr}, \theta_{cvr}) = \sum_{i=1}^N l(y_i, f(x_i; \theta_{ctr})) + \sum_{i=1}^N l(y_i \& z_i, f(x_i; \theta_{ctr}) \times f(x_i; \theta_{cvr}))$？

【ESMM 全空间多任务模型 核心考点 1】推导 ESMM 的联合损失函数公式 $\mathcal{L}(\theta_{ctr}, \theta_{cvr}) = \sum_{i=1}^N l(y_i, f(x_i; \theta_{ctr})) + \sum_{i=1}^N l(y_i \& z_i, f(x_i; \theta_{ctr}) \times f(x_i; \theta_{cvr}))$？。技术解析：定义: ESMM（Entire Space Multi-Task Model，由阿里妈妈算法团队在 SIGIR 2018 提出）是一种专为解决推荐与广告系统中转化率 (CVR) 预估两大业界核心难题——样本选择偏差 (Sample Selection Bias, SSB) 与数据稀疏 (Data Sparsity)——而设计的全空间多任务网络架构；根据概率链式法则，点击且转化概率等于点击率乘点击后转化率：p\text{CTCVR} = p\text{CTR} \times p\text{CVR}；ESMM 在全量曝光样本空间（全部展示记录）上同时建模与训... 完整推导与工程落地见：https://talentme.airsota.com/resources/tech/roadmap/mindmap/System_Design/card/esmm-sample-selection-bias

Q: 为什么在在线推理 (Serving) 阶段，系统只需要直接提取 CVR Tower 的输出值作为预估转化率 $p\text{CVR}$？

【ESMM 全空间多任务模型 核心考点 2】为什么在在线推理 (Serving) 阶段，系统只需要直接提取 CVR Tower 的输出值作为预估转化率 $p\text{CVR}$？。技术解析：定义: ESMM（Entire Space Multi-Task Model，由阿里妈妈算法团队在 SIGIR 2018 提出）是一种专为解决推荐与广告系统中转化率 (CVR) 预估两大业界核心难题——样本选择偏差 (Sample Selection Bias, SSB) 与数据稀疏 (Data Sparsity)——而设计的全空间多任务网络架构；根据概率链式法则，点击且转化概率等于点击率乘点击后转化率：p\text{CTCVR} = p\text{CTR} \times p\text{CVR}；ESMM 在全量曝光样本空间（全部展示记录）上同时建模与训... 完整推导与工程落地见：https://talentme.airsota.com/resources/tech/roadmap/mindmap/System_Design/card/esmm-sample-selection-bias

Q: ESMM 结构中 CTR 塔与 CVR 塔底层共享 Embedding 查找表是如何极大缓解 CVR 塔样本稀疏问题的？

【ESMM 全空间多任务模型 核心考点 3】ESMM 结构中 CTR 塔与 CVR 塔底层共享 Embedding 查找表是如何极大缓解 CVR 塔样本稀疏问题的？。技术解析：定义: ESMM（Entire Space Multi-Task Model，由阿里妈妈算法团队在 SIGIR 2018 提出）是一种专为解决推荐与广告系统中转化率 (CVR) 预估两大业界核心难题——样本选择偏差 (Sample Selection Bias, SSB) 与数据稀疏 (Data Sparsity)——而设计的全空间多任务网络架构；根据概率链式法则，点击且转化概率等于点击率乘点击后转化率：p\text{CTCVR} = p\text{CTR} \times p\text{CVR}；ESMM 在全量曝光样本空间（全部展示记录）上同时建模与训... 完整推导与工程落地见：https://talentme.airsota.com/resources/tech/roadmap/mindmap/System_Design/card/esmm-sample-selection-bias

Q: 针对多步转化漏斗（如 曝光 -> 点击 -> 加购 -> 购买），如何将 ESMM 进一步拓展为 ESM2 (有向无环图全空间多步转化网络)？

【ESMM 全空间多任务模型 核心考点 4】针对多步转化漏斗（如 曝光 -> 点击 -> 加购 -> 购买），如何将 ESMM 进一步拓展为 ESM2 (有向无环图全空间多步转化网络)？。技术解析：定义: ESMM（Entire Space Multi-Task Model，由阿里妈妈算法团队在 SIGIR 2018 提出）是一种专为解决推荐与广告系统中转化率 (CVR) 预估两大业界核心难题——样本选择偏差 (Sample Selection Bias, SSB) 与数据稀疏 (Data Sparsity)——而设计的全空间多任务网络架构；根据概率链式法则，点击且转化概率等于点击率乘点击后转化率：p\text{CTCVR} = p\text{CTR} \times p\text{CVR}；ESMM 在全量曝光样本空间（全部展示记录）上同时建模与训... 完整推导与工程落地见：https://talentme.airsota.com/resources/tech/roadmap/mindmap/System_Design/card/esmm-sample-selection-bias

Q: 分析为什么直接在训练中让 CVR 塔以除法形式优化可能会导致数值不稳定性（如 $p\text{CTR} \to 0$ 时梯度爆炸）？

【ESMM 全空间多任务模型 核心考点 5】分析为什么直接在训练中让 CVR 塔以除法形式优化可能会导致数值不稳定性（如 $p\text{CTR} \to 0$ 时梯度爆炸）？。技术解析：定义: ESMM（Entire Space Multi-Task Model，由阿里妈妈算法团队在 SIGIR 2018 提出）是一种专为解决推荐与广告系统中转化率 (CVR) 预估两大业界核心难题——样本选择偏差 (Sample Selection Bias, SSB) 与数据稀疏 (Data Sparsity)——而设计的全空间多任务网络架构；根据概率链式法则，点击且转化概率等于点击率乘点击后转化率：p\text{CTCVR} = p\text{CTR} \times p\text{CVR}；ESMM 在全量曝光样本空间（全部展示记录）上同时建模与训... 完整推导与工程落地见：https://talentme.airsota.com/resources/tech/roadmap/mindmap/System_Design/card/esmm-sample-selection-bias

ESMM Entire Space Multi-Task Model

🎯核心定义

ESMM（Entire Space Multi-Task Model，由阿里妈妈算法团队在 SIGIR 2018 提出）是一种专为解决推荐与广告系统中转化率 (CVR) 预估两大业界核心难题——样本选择偏差 (Sample Selection Bias, SSB) 与数据稀疏 (Data Sparsity)——而设计的全空间多任务网络架构；根据概率链式法则，点击且转化概率等于点击率乘点击后转化率：

p\text{CTCVR} = p\text{CTR} \times p\text{CVR}

；ESMM 在全量曝光样本空间（全部展示记录）上同时建模与训练主任务

p\text{CTR}

和辅助任务

p\text{CTCVR}

，通过二者隐式导出

p\text{CVR} = \frac{p\text{CTCVR}}{p\text{CTR}}

，彻底摆脱了传统 CVR 模型只能在“已点击样本子集”上训练的局限。

💡使用场景

电商交易转化率预估、广告计费 pCVR 预估、O2O 下单转化率与多步转化漏斗建模。

⚡解决的核心痛点

传统 CVR 模型仅用“点击样本”训练，但在线 Serving 却要在“全量曝光样本”上推理，造成极严重的样本分布偏移 (SSB)；且由于点击率通常仅 2%~5%，点击后购买样本极其稀疏导致过拟合；ESMM 在全空间建模主任务与辅助任务，彻底攻克样本偏差与数据稀疏两大顽疾。

🎯5 个高频面试考点 (Exam Points)

推导 ESMM 的联合损失函数公式

\mathcal{L}(\theta_{ctr}, \theta_{cvr}) = \sum_{i=1}^N l(y_i, f(x_i; \theta_{ctr})) + \sum_{i=1}^N l(y_i \& z_i, f(x_i; \theta_{ctr}) \times f(x_i; \theta_{cvr}))

？

为什么在在线推理 (Serving) 阶段，系统只需要直接提取 CVR Tower 的输出值作为预估转化率

p\text{CVR}

？

ESMM 结构中 CTR 塔与 CVR 塔底层共享 Embedding 查找表是如何极大缓解 CVR 塔样本稀疏问题的？

针对多步转化漏斗（如曝光 -> 点击 -> 加购 -> 购买），如何将 ESMM 进一步拓展为 ESM2 (有向无环图全空间多步转化网络)？

分析为什么直接在训练中让 CVR 塔以除法形式优化可能会导致数值不稳定性（如

p\text{CTR} \to 0

时梯度爆炸）？

📖 关联深度指南:📄 recommendation-system-design →

更新于 2026-08-14

🎯

检验攻克程度：针对「ESMM 全空间多任务模型」专属刷题排雷

做单选排雷题、推导选项机制，答错自动收录进专属错题本。

🚀 开始本考点专项刷题 ➔

← 上一个知识点PLE 渐进式分层抽取架构下一个知识点 →Feature Store 离在线特征一致性

ESMM 全空间多任务模型

🔗 更多 工业系统设计 知识点卡片

🔗 更多工业系统设计知识点卡片