B站推荐算法二面面经：生成式召回落地与稀疏信号建模

《面试题目》

1. 针对 RQ-Kmeans 聚类召回方案，你在项目中做了哪些针对性优化改进？
2. 你的生成式召回实验，基线对比选用了哪些传统召回方式？核心收益的底层逻辑是什么？
3. 线上多通路召回体系中，你的生成式召回策略如何与传统召回通路做融合、兜底与权重配比？
4. 若线上业务需要拓展至多目标、多场景，同时兼顾点击、GMV、预算等多个优化目标，你的召回框架需要如何迭代适配？
5. 日常是否使用 B 站？对比你做过的电商推荐场景，B 站内容推荐的核心差异体现在哪里？
6. 若业务目标是将 70% 流量倾斜扶持中小 UP 主，从算法层面可以设计哪些落地方案？
7. 一键三连是 B 站高价值但极度稀疏的用户行为信号，该在推荐链路哪个环节引入、如何建模使用？
8. 高弹幕互动视频普遍具备哪些内容特征？如何将弹幕数据建模为推荐可用特征？
9. 除主观体验外，有哪些量化指标可以衡量推荐系统的内容同质化、信息茧房与多样性问题？
10. B 站长内容具备长效消费周期，而推荐算法普遍优化短期即时指标，如何将平台长期生态健康度融入模型优化框架？

《参考解析》

RQ-Kmeans 这类量化召回，改进点在哪：残差量化把向量逐级逼近，第一级抓主体方向、后面几级补残差，最后每个 item 得到一串码字组合。值得优化的地方：一是码本设计与层数的消融——层数越多逼近越细，但末级码本实际承载的信息量很小，收益递减而检索成本上升，需要用召回率而不是重构误差来选；二是聚类目标与业务口径的错位——K-means 最小化的是平方误差，它不区分「热度高的 item 分错」和「长尾 item 分错」，可以按样本权重（有效曝光/点击）重加权，或对热门 item 做拆簇；三是簇内失衡——大簇检索慢、小簇几乎不被检索到，需要设簇容量上限与最小规模；四是与下游的一致性——量化码用于倒排检索时，候选数量取决于簇大小，取多少个簇是由延迟预算反推的，这部分最好在方案里就说明白。

实验怎么设计，收益从哪来：做生成式召回实验，标题、摘要、评估口径要提前定：离线看 Recall@K、命中率、覆盖率与新颖度，线上看人均消费、时长、次日留存以及系统指标（延迟、QPS 成本）。基线要覆盖 ItemCF 类的协同召回、双塔向量召回、以及线上原有多路聚类召回——只跟弱基线比会被直接追问。收益逻辑可以说三点：序列建模保留了顺序与长程依赖，不像双塔把用户压成单向量那样有损；生成式解码不局限于向量近邻，能跳出局部、缓解热门偏置；再叠加约束解码（只生成合法 ID）可以在同样的候选预算下提高有效候选比例。同时要承认它的短板——推理延迟、对训练分布的依赖、冷启动 item 覆盖差——并说明它在系统中是增量通路。

融合与兜底：别让量纲决定权重：多通路召回合并时最容易被追问「分数怎么加」。生成式的序列似然、双塔的内积、i2i 的相似度量纲完全不同，直接加权等于让数值范围大的通路垄断候选。常见做法是各通路先归一化（或做分位数映射、排名融合 RRF），再按来源配额合并；权重靠线上小流量实验调，并且定期看每条通路的候选贡献率与后链路转化，零贡献的通路及时下线。兜底要分层：生成式超时/空结果退回向量召回，向量召回异常退回热门与地域先验，保证任何情况下都有候选、P99 不炸。另外要解释清楚「融合在哪一层做」——在召回融合层做还是交给粗排统一点，对延迟和一致性的影响不同。

多目标多场景的迭代路径：从单目标扩到多目标，一般不会一上来就上复杂模型，而是先做结构：把场景 id、目标权重作为特征注入（目标条件化），让一个模型覆盖多场景，避免每个场景单独一套带来的冷启动与维护成本；用户表示从单向量扩到多兴趣/多向量，按场景或目标取不同的兴趣簇；再往上才是分目标召回加统一融合。要预判两个追问：场景间样本极不平衡怎么处理（重加权、分场景归一化、大场景预训练 + 小场景微调），以及目标之间互相冲突怎么平衡（融合权重、帕累托式多目标优化、把某些目标降级成约束）。这题的重点是给出「先条件化、再多向量、最后分路」的渐进路线，而不是背一个大模型名字。

B 站与电商推荐的本质差异：电商是强意图、短决策、结果导向——用户带着购买目的来，转化路径短且可归因到 GMV，item 有明确的价格、库存、类目与生命周期，时效性强。内容社区相反：消费是低意图、长决策、过程导向——用户来消磨时间，价值体现在停留、完播、互动而非单次转化，内容没有库存但有时效衰减曲线（老视频可能长期被消费），创作者与用户之间还有一层「人」的关注关系。由此带来几个工程差异：内容推荐更依赖多模态（封面、标题、音频、弹幕）与序列兴趣，电商更依赖用户画像与商品属性；内容侧的评价指标更多元（完播、互动、负反馈都算），电商则收敛到转化与 ROI；内容推荐还要额外考虑创作者生态与内容重复度，而电商更多考虑库存与预算约束。第 5 题其实也在测「你到底用不用这个产品」——准备时至少能讲出自己使用 B 站时观察到的几个具体现象。

一键三连与弹幕：稀疏信号怎么变成特征：三连动作稀疏但意图极强，直接当召回信号会样本不足，更实际的做法是：拆成点赞、投币、收藏三个目标做多任务学习，共享底层表示再各自出预测头，用动作间的相关性互相补充；训练时按创作者和类目分层归一化，避免模型只学到「头部 UP 主三连多」这种先验；在链路上它更适合进精排/重排作为强正反馈与长期兴趣刻画，也可以作为相似用户扩展的种子。弹幕是内容侧特征：高弹幕视频的共性是情绪密度高、有可复读的梗与名场面、互动节奏集中；可用弹幕密度的时间分布（峰值位置与个数）、情感倾向、高频词/梗词表、以及弹幕文本的 embedding 作为特征，服务内容召回、冷启动与高光片段定位。使用前必须清洗——刷屏、复读、攻击性内容会把「争吵」误判为「优质互动」，这一步要在回答里主动提到。

同质化与长期生态怎么量化：可量化指标分四组。内容分布侧：曝光与消费的熵/基尼系数、类目与创作者覆盖数、非头部内容曝光占比、新内容冷启曝光量。用户侧：单用户短期消费的类目熵、跨类目跳转比例、推荐结果内部相似度、重复曝光率。反馈侧：负反馈率、快速划走率、屏蔽与取关。系统侧：群体间曝光公平性与「搜索/关注」占比变化。把生态目标融进优化框架，关键是要承认短期点击与长期生态存在结构性冲突，靠调权重往往压不住，更稳的机制是把生态指标做成约束（长尾曝光不低于某比例）、或用长期价值建模把「本次曝光对用户未来留存的影响」纳入回报，并在评估时把观察窗口拉长到 7 日甚至更久，否则次日指标一涨就以为方向对了。第 9、10 题连在一起问，本质是考你能不能把「生态健康」拆成可监控、可优化的量。