AI 推荐系统：候选召回、排序和探索如何闭环

推荐不是把一个大模型放在首页。稳定的线上推荐通常由候选召回、过滤、排序、重排和反馈采集组成，模型只负责其中一部分决策。

多路候选召回

热门、协同过滤、内容相似、地理位置和运营活动分别产生候选，保留 source 字段方便解释。召回结果先做库存、年龄、地域、频控和已购过滤，再进入排序，避免模型学会不可能展示的商品。

排序特征要新鲜

用户最近行为、商品库存、价格和活动状态都有不同更新频率。在线特征记录 generated_at 和 freshness，过期特征降权或回退默认值。训练样本按照曝光时间生成，避免把未来行为泄露给模型。

探索和安全护栏

给新商品和长尾内容保留小比例探索流量，使用团队认可的 bandit 策略。探索不能绕过内容安全、库存和商业规则，异常点击或刷量进入反作弊流程。

评估完整业务结果

离线看 NDCG、AUC 和校准，线上同时看点击、转化、留存、投诉、退款和多样性。模型升级先做影子流量，再按人群灰度，异常时回退排序版本而不是清空全部缓存。

参考资料：NIST AI 风险管理框架。