L6.08.1objective-driven narrowing设计研究
内容收窄由优化目标本身导致，不需要任何人有意为之
别名: 目标函数收窄 · 无意气泡 · emergent filter bubble
概念解释
没有编辑下令「把这个人关进同温层」，排序的目标只要是「预测这个人会不会点」，范围就会自己收。目标驱动的收窄（objective-driven narrowing）指：收窄是相关度目标的几何性质——把下一次展示推向已观测偏好的邻域——不需要敌意，也不需要点击被单独写成 KPI。
点击优化是一种足够造成收窄的目标。这里要说的是：换成「预测评分」「预测完播」同样会收，因为它们共享「贴着已观测走」这条几何。
机制
相关度模型在特征空间里把用户放在已交互点附近，再取近邻。近邻的近邻更近，集合的直径随迭代变小。这是目标在做的事，不是运营在做的事。即便运营每天谈多样，只要上线的损失仍是点或评的误差，梯度就不朝多样走。
Pariser 的过滤气泡命名的是这种环境的社会后果。机制上不必假设有人要隔离谁：隔离是「贴着已观测走」的定点。把责任写成恶意编辑，会找错改的地方——该改的是目标，不是再发一封「注意多样」的邮件。
怎么研究
冻结界面与运营，只换损失：预测点击、预测评分、预测完播、相关加多样正则。看若干轮后集合直径、类目熵、作者集中度。自变量：损失是否含「贴着已观测」、有没有正交项。因变量：覆盖随训练轮次的斜率。
关键对照是「无人干预的纯目标」对「同一目标加明确多样项」。若纯目标条件下覆盖下降，收窄就可以记在目标头上，不必再假设有编辑意图。点击作为唯一 KPI 的产品故事是上一组的问题。
边界
用户给出的查询、筛选、订阅已经极度收窄时，模型只是在执行请求，不是目标在偷偷收。安全目标故意压覆盖，那是另一条目标，不是相关度的副作用。物品池本身就小，直径没地方再缩。这条论证「相关度目标会自己收」，不处理多样必须单独成为目标、也不处理随机注入。
怎么落地
- 把上线损失打印出来：若只有相关度误差，就承认覆盖会自己掉，不要用「我们没有恶意」当反驳。
- 任何相关度模型上线前，用冻结用户跑多轮模拟，画出覆盖斜率。斜率为负，先改目标再谈运营。
- 验证：同一套数据、同一界面，只把损失里的多样项拿掉再训。覆盖下降而相关度上升，就是目标在收，不是有人在关闸。