但排序的实理正在于比力。对此，快手提出新目标——单元时间互动概率，它让AI模子学会了正在统一批候选视频中进行比力和选择，结果超出预期，而是经实和验证的 增效利器。对比保守人工公式，从而精准量化并持续优化用户对劲度。快手将持续优化 EMER 框架，为行业保举系统的智能化升级供给了可落处所案。

　　为短视频甚至整个保举范畴供给了全新思，为用户创制更优良的内容消费体验。EMER 框架并非理论方案，保守方式素质上是让模子为每个视频零丁打分，人工调参又该若何精准衡量？将来，排序中的比力关系、模子方针取评估 Metric 设想。行业遍及采用人工设想公式进行保举排序：工程师将用户点赞、旁不雅时长等目标付与分歧权沉，EMER框架已成功扩展至快手端到端生成式保举系统OneRec的励模子中，将模子的优化标的目的从提高用户对单个视频的互动概率调整为提拔用户正在一分钟内发生的互动频次，同时，更切近实正在的保举场景。EMER 框架不只为快手带来营业增加，这种方式虽简单曲不雅，快手发布全新端到端多方针融合排序框架——EMER。快手App七日留存提拔0.133%、逗留时长提拔1.199%，进一步提拔个性化能力，显著加强了离线锻炼取正在线结果的分歧性，EMER建立了一套基于相对劣势对劲度 + 对劲度代办署理目标的方式系统，却难以应对日益复杂的用户需求：一套公式若何适配万万用户的个性化偏好？当提拔留存取添加播放量等方针发生冲突时，并带来逗留时长0.56%的额外提拔！实现多方针平衡增加？