Cold Start & Long-Tail Distribution: 解释位置偏置与冷启动的交互。

Core Concept: 冷启动物品排在后面 → 无曝光 → 无数据（位置偏置加剧冷启动）；需给新物品'靠前位置'的探索配额。

数学机理：<strong>位置偏置与冷启动的恶性循环</strong>——(1) <strong>机制</strong>——(a) <strong>排序模型对新物品'不确定'</strong>（无交互数据 → 预测的 CTR 低或方差大）；(b) 故模型把新物品<strong>排在后面</strong>（因为'预期收益低'）；(c) <strong>位置偏置</strong>——排在后面 → <strong>曝光少</strong> → <strong>点击少</strong>；(d) 无点击数据 → 模型<strong>更不确定</strong> → 排得更后；<strong>(e) 恶性循环</strong>（位置低 → 无数据 → 位置更低）。(2) <strong>与'反馈循环'的关系</strong>——这与'位置偏置导致反馈循环'是同一机制的两个方面：(a) 位置偏置让'已有的排序'自我强化；(b) 冷启动物品是'排序的受害者'（从未有机会）。(3) <strong>打破循环的手段</strong>——(a) <strong>探索配额（exploration quota）</strong>——强制给新物品一定的'靠前曝光'（如'每个用户的前 20 个位置留 2 个给新物品'）；<strong>关键</strong>——<strong>必须给'靠前位置'</strong>（排在第 100 位的'探索'毫无意义，因为不会被看到）；(b) <strong>不确定性建模</strong>——在排序中用'UCB 风格'的分数（预测均值 + 不确定性奖励），使'高不确定'的新物品获得'探索加成'；(c) <strong>单独的新物品通道</strong>（召回阶段就给新物品专门的配额）；(d) <strong>无偏训练数据</strong>（用'随机化位置'的数据训练，使模型不依赖位置）；(e) <strong>位置作为特征但推理时置零</strong>（见位置偏置题）；(f) <strong>内容特征</strong>（用内容相似度替代交互相似度，使新物品有'初始估计'）；(g) <strong>冷启动的专门模型</strong>（用内容特征 + 迁移）。(4) <strong>为什么'靠前位置'是必需的</strong>——因为<strong>位置偏置极强</strong>（前 3 位的点击率可能是第 10 位的数倍）；故'把新物品排在第 50 位'等于'不探索'。<strong>量化</strong>——若某位置的平均曝光是另一个位置的 10 倍，则'探索'的效用也差 10 倍。(5) <strong>探索的成本</strong>——(a) 短期 CTR 下降（因为新物品的 CTR 可能低于热门）；(b) <strong>量化</strong>——用'探索位置的 CTR 损失' × '探索量' 衡量；(c) <strong>长期收益</strong>——新物品的发现（可能找到'下一个爆款'）、生态健康、用户新鲜感。<strong>评估</strong>——(a) <strong>新物品的曝光分布</strong>（是否获得了'靠前位置'的曝光）；(b) <strong>新物品的'首次交互时间'</strong>（越短越好）；(c) <strong>新物品的长期表现</strong>（是否'成长起来'）；(d) <strong>短期指标的下降幅度</strong>（探索成本）；(e) <strong>生态指标</strong>（长尾曝光、创作者活跃）。<strong>实践建议</strong>——(a) <strong>探索配额给'靠前位置'</strong>（关键）；(b) <strong>不确定性建模</strong>（UCB 风格）；(c) <strong>新物品专门通道</strong>；(d) <strong>无偏数据</strong>（随机化位置）；(e) <strong>监控新物品的曝光分布与成长</strong>；(f) <strong>量化探索的短期成本与长期收益</strong>。<strong>度量</strong>——(a) 新物品的曝光位置分布；(b) 首次交互时间；(c) 新物品的成长率；(d) 短期指标变化。

深度剖析与工程权衡：① <strong>'位置低 → 无数据 → 位置更低'的恶性循环是核心</strong>——面试中能画出这个循环是深度理解的标志。② <strong>'探索必须给靠前位置'</strong>——排在第 50 位的探索无效；这是关键细节。③ <strong>'不确定性建模（UCB 风格）'</strong>——让'高不确定'的物品获得探索加成；这是优雅的解法。④ <strong>'位置作为特征但推理时置零'</strong>——避免模型依赖位置。⑤ <strong>'量化探索成本与长期收益'</strong>——探索是投资；需算账（短期损失 vs 长期发现）。⑥ <strong>面试要点</strong>——被问'新物品为什么排不上去'，应给出'<strong>位置偏置 + 冷启动的恶性循环 + 探索必须给靠前位置 + 不确定性建模</strong>'；能画出循环是深度理解的标志。