Multi-Objective Ranking & Optimization: 解释业务约束在排序中的实现。

Core Concept: 硬约束（多样性/合规/库存）不适合放进排序模型；用'重排阶段的规则/约束优化'或'可微的约束层'实现。

数学机理：<strong>约束的类型</strong>——(1) <strong>硬约束（hard constraints）</strong>——<strong>必须严格满足</strong>：(a) <strong>合规</strong>（不能出现违规内容）；(b) <strong>库存</strong>（不能推荐缺货商品）；(c) <strong>去重</strong>（不能重复推荐同一物品）；(d) <strong>广告位/坑位</strong>（必须包含 N 个广告）；(e) <strong>多样性下限</strong>（至少 3 个不同类别）；(f) <strong>时效</strong>（不能推荐过期内容）。(2) <strong>软约束（soft constraints）</strong>——<strong>尽量满足</strong>：(a) 多样性目标（提升多样性但不强制）；(b) 探索配额（给新品一定曝光）。<strong>实现的层次</strong>——(1) <strong>召回/过滤层</strong>——<strong>最简单的硬约束</strong>在召回阶段过滤：(a) 过滤违规内容；(b) 过滤缺货；(c) 过滤已看过的；<strong>优点</strong>——简单、严格；<strong>缺点</strong>——只适合'单物品的约束'（不能处理'列表级'约束如多样性）。(2) <strong>排序模型内</strong>——把约束作为<strong>特征</strong>或<strong>损失项</strong>：(a) 特征（如'是否违规'）；(b) 损失惩罚（如多样性惩罚）；<strong>缺点</strong>——(i) <strong>无法保证严格满足</strong>（模型可能学不好）；(ii) <strong>扭曲主目标</strong>（多样性惩罚会降低 CTR 学习）；故<strong>不适合硬约束</strong>。(3) <strong>重排阶段（最常用）</strong>——在'精排之后'用<strong>规则/约束优化</strong>调整列表：(a) <strong>规则</strong>（'同一类别最多 2 个'、'必须包含 1 个新品'）；(b) <strong>约束优化</strong>（max 相关性 s.t. 多样性 ≥ 阈值）；(c) <strong>MMR/DPP</strong>（多样性与相关性的权衡）；(d) <strong>贪心 + 约束检查</strong>（逐个选择，检查约束）；<strong>优点</strong>——(i) <strong>可保证严格满足</strong>（规则是确定性的）；(ii) <strong>不扭曲排序模型</strong>（排序只管相关性、重排管约束）；<strong>缺点</strong>——可能降低相关性（因为约束会'打乱'最优顺序）。(4) <strong>可微约束层</strong>——把约束写成'可微的形式'，端到端训练（如用 softmax 松弛'必须包含'）；<strong>优点</strong>——端到端；<strong>缺点</strong>——实现复杂、'松弛'可能不严格。<strong>哪些约束放哪里</strong>——(a) <strong>单物品的硬约束</strong>（违规/缺货/去重）→ <strong>过滤层</strong>（最前）；(b) <strong>列表级的硬约束</strong>（多样性/坑位/广告位）→ <strong>重排阶段</strong>；(c) <strong>软约束</strong>（多样性目标/探索配额）→ <strong>排序模型的损失</strong>或<strong>重排的加权</strong>。<strong>保证严格满足的手段</strong>——(a) <strong>规则引擎</strong>（确定性）；(b) <strong>约束求解</strong>（如整数规划的近似）；(c) <strong>后验检查 + 修正</strong>（若违反则调整）。<strong>与其他问题的关系</strong>——(a) 与'多目标'（约束是'多目标'的一种形式——'主目标 + 约束'）；(b) 与'重排的多样性'（多样性是典型的列表级约束）；(c) 与'位置偏置'（坑位约束影响位置）。<strong>实践建议</strong>——(a) <strong>硬约束放过滤层 + 重排</strong>（不放排序模型）；(b) <strong>单物品约束用过滤</strong>（最前、最简单）；(c) <strong>列表级约束用重排</strong>（规则/MMR/约束优化）；(d) <strong>软约束用损失/加权</strong>；(e) <strong>保证严格满足</strong>（规则引擎 + 后验检查）；(f) <strong>监控约束满足率与相关性损失</strong>。<strong>度量</strong>——(a) 约束满足率（必须 100% 对硬约束）；(b) 相关性/CTR 的损失（约束的代价）；(c) 多样性的提升。

深度剖析与工程权衡：① <strong>'硬约束不放排序模型'是核心原则</strong>——因为排序模型无法保证严格满足且会被扭曲；面试中能指出这一点是深度理解的标志。② <strong>'单物品约束放过滤层、列表级约束放重排'</strong>——这是清晰的分层原则。③ <strong>'约束有代价'</strong>——多样性约束会降低相关性；故需量化'约束的相关性损失'。④ <strong>'规则引擎保证严格满足'</strong>——硬约束必须确定性（不能靠模型学）；故用规则。⑤ <strong>'可微约束层'是研究前沿</strong>——端到端但复杂；实践中规则更可靠。⑥ <strong>面试要点</strong>——被问'业务约束怎么实现'，应给出'<strong>硬约束（合规/库存/多样性/坑位）vs 软约束 + 实现层次（过滤/排序/重排/可微层）+ 分层原则 + 保证严格满足</strong>'；能指出'硬约束不放排序模型'是深度理解的标志。