Deep Neural Networks for YouTube Recommendations

问答新增：2026-10-27 · Google / YouTube

展开答案与例子

答案：用户与视频向量采用对应打分空间，训练只见截止前历史，服务检索同版本item向量；负采样近似与全库概率不能混报。当前公开实现不含原百万库存和私有训练服务。

教学例子：例如模型升级用户空间后，旧item索引未刷新可能让近邻含义错位。

依据：背景与主要改动、核心公式；例子用于解释机制。

原论文 · 实现解读 · 问题链接

主题导读与阅读路线

先想一个问题¶

精排模型再强，能否找回召回阶段漏掉的好内容？

记住这一点¶

召回先决定哪些物品有机会被精排。双塔把请求和物品分别编码，便于预计算与近邻检索；多兴趣方法则让多个用户兴趣分别提出候选。搜索改写、难负例、图关系、目录校验和学习式索引都在改变候选覆盖或匹配精度。候选确定后如何利用列表上下文，接着看重排主题。

一个例子¶

一个人既看跑步装备也看露营视频。若召回的100条全是跑步内容，再强的精排也排不出露营视频；先保留两个兴趣通道，才有机会让后续模型比较两类候选。

什么时候要小心¶

把召回数从100增加到1000会自然提高覆盖，不能据此认定表征更好。比较时要对齐候选预算、负例范围、索引快照和可用库存；本地代理日志也不能证明论文线上收益。

先读这几篇¶

先用YouTube DNN理解召回与精排分工，再读Airbnb EBR看难负例和库存约束，最后用MIMA理解多兴趣为何需要互补监督；后两篇的公开数据替代边界需同时阅读。

自测一下¶

只增加返回候选数后 Recall@K 上升，能证明用户编码器更好了吗？

展开参考答案

不能。候选预算同时改变了，提升可能只来自检索更多物品。应固定K与索引/过滤条件，再比较覆盖、质量和延迟。

跨主题搜索全部问答 · 最近新增

候选生成与搜索匹配¶

WeSearch选择簇和生成完整SID路径有什么根本区别？

ADC查表求和得到的数值是否就是粗排分数？

ADC与显式重构距离完全相等，是否证明比SID检索或双塔召回更好？

新文档挂载能否顺便修改旧码本，并把构造新数组叫原子更新？

PAIR 为什么将职业社交相关性理解为互补，而不只相似？

PAIR 的偏好损失形式像多负例对比学习，为什么不能把它称作 token 级 DPO？

PAIR 的同次曝光未点击与随机会员负例，分别提供什么区分难度？

PAIR 的历史塔如何检查 position、padding 与候选身份，而不读取未来点击？

Snap DPA相关性为何先压缩历史意图而不直接看点击？

Snap DPA 相关性指标为什么区分 MicroRel 与 MacroRel，还要先审定判别准则？

MicroRel与MacroRel为什么可能给出不同结论？

相关性判别器能用真实标签直接回填代替吗？

RPTune的prune与position分别决定商品是否出现，还是出现在哪里？

RPTune 为什么把高优商品按升序放到提示末端，而不是简单按相关性降序塞满上下文？

RPTune的商品打分与后续提示排序，是否都等同于普通向量top-k？

RPTune选出top-k后为什么按分数升序摆放？

MuSeR 的多组可学习 query 为什么要加兴趣正交正则？

MuSeR 为什么近、中、远期历史用不同压缩步幅，还要让候选选择不同兴趣？

MuSeR 的候选选择兴趣与统一平均多个兴趣，相比保留什么条件性？

MuSeR 本地大相对 Recall 增益为什么仍需报告低绝对值与分模块结果？

MIMA 为什么把同一请求正例当成集合，而不是强制固定先后序列？

为什么 MIMA 要把同一请求的多个正例一对一分配给兴趣，而不是让每个正例选择最相似的兴趣？

MIMA 的一对一匹配与每个正例独立选最近兴趣，相比怎样避免同通道拥挤？

MIMA 小规模穷举与 Hungarian 何时在目标上等价，什么不能随意替换？

AlleCompanion 的 ComCat 为什么先维护类别互补关系，再训练类别约束双塔？

为什么有强共现关系的两件商品，仍可能不适合作为互补推荐？

AlleCompanion 与普通同类相似召回，适用的推荐意图有何不同？

AlleCompanion 本地 Category Adapter 推理时能否读取测试目标的类别？

SetMIR的query是用户手动输入的搜索词吗？

SetMIR 为什么训练时用一对一集合匹配，服务时仍要 presence head 和 query NMS？

SetMIR的一对一集合匹配，与让每个兴趣槽独立挑同一个正例有什么不同？

SetMIR服务时哪些query实际派发ANN？

Friend-GNN 为什么要同时解决用户 ID 存储和好友边时间可见性？

Friend-GNN为什么既使用多哈希用户表示，又按时间前缀采邻居？

三个独立 hash 拼接与单 hash embedding，相比为何能缓解碰撞而非消除碰撞？

时序 CSR 采样为什么要对每个用户邻居时间排序后取历史前缀？

TransRetrieval为什么同时压源历史与目标tokens？

TransRetrieval 为什么按 token norm 聚合源域历史，并压缩目标域 token、注入域位置信息？

按norm加权与直接平均源token有什么不同？

85% target FLOPs reduction可直接写成端到端时延降低吗？

推荐SPEAR为什么保护原query召回语义？

SPEAR 为什么将改写置信度与物品相关性相乘，并隔离召回与排序 embedding 的梯度？

乘法门与改写置信加相关分有什么不同？

本地SPEAR双路代理是否等于真实query rewrite generator？

ASARL 为什么先学习三级社交相关性，再将 teacher 蒸馏为线上 student？

ASARL中的Critic与GenAgent为什么不能被一次LLM标注替代？

ASARL 的 PGO 与仅用合成三级标签做监督，差别在哪里？

ASARL 蒸馏时 KL 的对象是自然语言理由还是标签分布？

OneShot 为什么把索引路径当模型的一部分，而非训练后再聚类？

OneShot 如何让离散层级索引受到排序目标训练，而不只按 embedding 距离分桶？

OneShot 的全局路径平衡与热门度惩罚，作用对象为何不同？

OneShot 的 STE 前向与反向为什么应分别检查？

CORE 中 High、Mid、Low 为什么不能简单当作无顺序的三个类别？

CORE为什么先判High与Non-High，再只对Non-High判Mid与Low？

CORE 的 step-GRPO 与只给最终三分类答案一个奖励，有什么信用分配区别？

CORE 将三类 teacher logits 蒸馏给双头 student 时，Non-High 的 logit 为什么要用 logsumexp？

Melo 为什么将意图、检索、推荐、解释分成多个执行节点？

Melo为什么必须在推荐后做实体grounding，并在失败时反思重试？

Melo 的一次 reflective retry 与无边界反复生成，相比可靠性取舍是什么？

Melo 的 grounding 后 argmax 返回合法实体，为什么仍需要阈值和失败状态？

MESH 为什么先在 user、item、context 子塔内部放大？

MESH为什么先分别放大user、item、context子塔，再做全局交互？

MESH 的塔并行与 flat 模型串行，相比何时才可能带来速度收益？

RGBC 为什么在 user-item 逐元素亲和上施加 context gate，再加 context 残差？

ZoRRO零训练参数是否表示完全不需要表示模型？

ZoRRO 为什么无需模型训练也能做候选排序，又在哪些信息上受限？

时间衰减语义打分与只按热门新闻排序有什么不同？

ZoRRO本地电影代理能证明高吞吐新闻线上表现吗？

ELISE 为什么保留词法与语义两条检索路径？

ELISE为什么先做分位数匹配，再融合语义召回和词法检索分数？

分位数匹配与线性 min-max 缩放，处理分数分布的方式有何不同？

ELISE 的映射、融合权重与语义配额为什么要在 test 前锁定？

Cluster GOOBS 为什么修改负采样池，而不用增加线上模型结构？

Cluster GOOBS为什么大概率在正例所在语义簇里抽负例，又保留随机负例？

Cluster GOOBS 与只在当前 batch 内找 hard negatives，相比多了什么覆盖？

Cluster GOOBS 的 random:cluster 比例与实时池更新应怎样避免测试泄漏？

NEXT 的 directed graph 为什么不能把所有边自动反向使用？

NEXT 为什么先生成 next-intent 再检索和验证，而不直接连接语义最相似的视频？

NEXT 的 intent→retrieve→verify 与直接让 VLM 点名下一视频，可靠性有什么差别？