scripod.com

Episode 13: 风霁:优化体验,还是塑造现实?平台推荐算法探秘

Shownote

今天的嘉宾风霁是一位资深的推荐算法工程师。 风霁在国内的几家大厂的推荐算法场景有 8 年的研究与工作经验,他参与了推荐算法的基础模型复杂化的整个进程:从最早的简单机器学习、深度学习,到目前大模型相关的技术在推荐场景下的各种结合应用。 这其中涉及到了用户体验层面的诸多问题,比如信息茧房、社区内容生态、流量公平性等等。 和风霁的这次对话,我们还追问了很多问题,包括技术的事实层面,也包括了一些科技和文化领域的交叉。 我们都生活在这个算法驱动的信息时代,算法塑造我们的现实,它远远不止是一个工程问题。 时间戳: 00...

Highlights

在算法深度介入信息分发的今天,推荐系统已不仅仅是技术工具,更成为影响用户认知与社会信息流动的重要力量。本期对话邀请资深推荐算法工程师风霁,从技术演进到社会影响,深入探讨算法背后的逻辑与挑战。
00:02
推荐算法岗位并非传统程序员或工程师岗位
16:26
推荐算法是群体智慧与工程迭代的自然结果
32:19
推荐算法像生物适应环境一样不断进化,同时也制造了一个‘大自然’。
40:00
推荐系统不会埋没有创作能力的个人创作者,每篇投稿都有保底流量。
1:02:30
将播客加字幕转成视频上传主流平台,能获得更大流量,对个人和生态都有利。
1:21:36
推荐系统若非明文操作,无法直接干预特定内容推荐
1:32:23
用户历史行为直接输入模型即可自动学习偏好,无需人工挖掘
1:54:58
怀旧不代表过去的体验更好,如今一些优秀作品的游戏性更佳。
2:37:55
算法并非中立,其设计选择本质上反映了平台的价值取向和责任担当
2:59:34
人希望成为的样子应在接收信息中有权重

Chapters

推荐算法如何塑造现实
00:00
推荐算法的发展历程
01:52
算法到底在优化什么?
18:16
流量玄学与 “版本” 焦虑
32:33
播客的流量困局与视频化
54:50
千亿次播放背后的供需匹配
1:03:32
一条视频被上传后会发生什么?
1:22:20
信息茧房与随机分发实验
1:35:38
算法的伦理边界与社会责任
1:57:33
生成式 AI 与推荐的未来
2:46:45

Transcript

重轻: 今天的嘉宾风霁老师,是一位资深的推荐算法工程师,风霁在国内的几家大厂的,推荐算法场景。有八年的研究工作经验,他参与了推荐算法的基础模型,复杂化的整个进程,从最早的简单机器学习,深度学习,到目前大模型相关的技术。在推荐场景下的各种结合应用,涉及到了用户体验层面的诸多问题。比如信息茧房,社区,内容生态,流量公平性等等。和风霁的这次对话,远远超出了我个人的知识范围,但是我和汉阳还是鼓起勇气。追问了很多问题,包括技术的事实层面,也包括了一些科技和文化领域的交叉。风霁老师给我最大的触动,在于他解释和分析问题时...