推荐结果多样性怎么控制?

这道题问的是生成式推荐里怎么避免输出单调，其实本质是 在相关性和多样性之间做权衡，不是单纯加随机性。我会从三个层面来控：解码阶段干预、生成后[[重排]]、训练阶段优化。先讲解码阶段，这是最直接的一层。温度采样、Top-p、Top-k这些参数调优，说白了就是控制模型输出时选词的随机程度。温度T大于1会增加随机性，小于1更保守，推荐场景我一般从0.7到1.2之间试探，比如短视频推荐T会偏高一点，因为用户喜欢新鲜感；电商搜索就偏低，用户更关注精准匹配。Top-p和Top-k一起用，限制候选token范围，避免低概率的噪声词汇被选到。这里有个坑：温度调太高会生成不相关的内容，调太低又容易重复，所以上线前我会先用一批离线数据跑召回率，确保多样性提升的同时不牺牲相关性。再一个就是重复惩罚，对已经生成的token的logits除以一个惩罚系数，通常1.0到1.2，抑制模型重复输出同一段话。但惩罚太强会导致输出断断续续，像卡住了一样，所以这个系数要跟温度配合着调。然后是生成后的步骤。我通常会先生成N个候选序列，然后用MMR或DPP做重排。MMR是最大化边际相关，公式是λ乘以相关性减去1减λ乘以最大相似度，通过λ这个参数控制多样性和相关性的比重。比如在新闻推荐里，λ设到0.5左右，保证标题不重复；但如果是商品推荐，用户可能就想看同品类的东西，λ就要调高。DPP更数学化，通过行列式点过程直接挑选一个子集，让整体多样性最优。不过DPP计算量比较大，如果候选集超过一百个，我倾向先用MMR粗排再用DPP精排，或者用近似算法。这里有个前提：重排依赖好的相似度度量，如果[[embedding]]质量不行，相似度算不准，重排反而会打乱排序。所以我会先确保embedding模型在业务数据上微调过。训练阶段我也会做多目标优化。在loss里加一个多样性正则项，惩罚生成结果之间的互信息，让模型学会输出差异化的内容。另外对比学习也很有用，拉近正样本对、推远负样本对，这样embedding空间分布更广，自然能生成更多样化的结果。但训练优化周期长，适合新模型从零训的场景；如果是上线后快速迭代，还是解码阶段和后处理更立竿见影。最后是业务层的兜底。比如美团外卖的场景，我会加一个强制品类覆盖，保证推荐列表里主食、饮品、小吃都有，避免同一商家或品类扎堆。这个看似简单，但落地时有个常见失败场景：如果品类标签不准确，强制覆盖反而会推不相关的东西，伤害体验。所以前提是品类数据要干净，而且要动态调整比例，比如午餐时段主食权重高，下午茶饮品权重高。其实还有一个方向值得深入：当多样性要求特别高时，比如做个性化歌单推荐，我会用 强化学习 把多样性作为奖励信号的一部分，让模型在训练时就学会探索。这个跟多目标优化的思路不太一样，但它能更直接地跟用户长期满意度挂钩。所以整体上，我更倾向于把解码和后处理作为日常手段，训练优化作为长期投资，业务规则做兜底。这样既灵活又可控。