回路会放大初期偏差
别名: 初期偏差放大 · 路径依赖推荐 · Matthew effect in ranking
概念解释
回路一旦转起来，最先多出来的那一点优势会被下一轮点击写成更大的优势。新用户首屏碰巧偏了某类、新条目被编辑位推过一次、某个时段的热门被当成稳定口味——这些都是初期偏差放大（early-bias amplification）：时间靠前的小偏离，经展示–行为耦合，变成后来很难扳回的排位差距。
放大的是位次和曝光，不一定是用户「越来越喜欢」。喜欢是事后读日志时加上去的故事。
机制
排序是相对的：多一次点击，下一次的分就高一点，位置就前一点，再多一次点击。优势是凸的——已经在前面的条目采集点击的成本更低。于是 t=0 的噪声（一次误触、一次编辑投放、冷启动时的热门先验）在 t=n 变成结构。路径依赖在这里是机械的：同样的用户，若首屏换一套种子，几周后的稳定列表可以完全不同。
偏差来源不限于用户。物品侧同样：先获得少量交互的新片更容易再获得交互，未获首批曝光的近似替代品会一直冷。回路放大的是「谁先被看见」，不是「谁更该被看见」。
怎么研究
用同一批用户做分叉：只改第一屏的种子或只改新物品的首周投放，之后让回路自己转。若干会话后比较两类稳定列表的重叠、类目分布、头部集中度。自变量：初始种子的偏离方向与幅度、是否在中途切断点击回写。因变量：后期列表对初始种子的记忆（还能不能从后期列表反推第一天）、头部条目的份额。
需要一条切断回写的对照，否则无法区分「用户真的转向了」和「回路在记第一天」。早期偶然点击如何冻成画像特征，是更细的一层，这里只看排位差距有没有被时间放大。
边界
更新极快、物品寿命以小时计的场景（快讯、限时库存）里，初期偏差还没被放大，物品已经下架。人工日更的头版每天重置位次，放大被截断。用户主动、频繁地改兴趣（旅行结束、课程结课）时，后期行为会覆盖初期，放大看不出来。这条论证「先到的小偏离会被回路写成结构」，不讨论必须引入回路外的信号，也不把展示–行为耦合本身再讲一遍。
怎么落地
- 对每个用户记下第一周被当作正样本的类，设衰减：超过窗口的早期点击降权，避免首周噪声当终身标签。
- 新物品给一个不依赖已有点击的投放窗口，窗口结束再进入闭环，免得「谁先被看见」决定谁活下来。
- 验证：把新用户随机分到两套仅第一屏不同的种子，四周后比列表重叠。重叠若仍显著低于随机分叉应有的回归，初期偏差已经被放大锁住。