打破回路需要主动探索，而探索的成本立即可见、收益延后
别名: 探索代价 · 利用-探索 · delayed exploration return
概念解释
要知道未展示项是不是好的，只能先把它放出来。放出来的这一次，用户多半会觉得「不如原来准」，点击掉、抱怨来。过若干会话，模型才可能用这次观测把列表开宽。探索的成本在当下、收益在以后（exploration cost now, benefit later）指：打破曝光闭环必须付一笔即时体验账，而账要到未来才可能从覆盖和发现里收回。
外部信号给出断点。这里要钉的是这笔账的时间结构，以及为什么产品会系统性少付。
机制
探索–利用把每次展示写成：利用当前最优，或探索以减不确定。利用的奖励立刻进点击；探索的奖励是信息，信息要折现。用户折现更陡——他们过的是这一屏，不是后悔 bound。于是界面上的探索槽被读成变差，运营用点击把槽收掉。
信息是系统的，不适是用户的。若不适没有被解释、没有被限制在可跳过的位置、没有用后续变好来兑现，用户不会同意续付。epsilon-greedy、Thompson 抽样可以在模拟里降后悔，但不会自动处理「这一屏为什么突然不准了」。HCI 要把探索做成可理解的交易，而不是把估计器直接铺在首屏。
怎么研究
在稳态用户上打开探索槽，记录即时点击、主观变差、以及随后若干会话的覆盖与发现（新类被点）。自变量：探索比例、位置（首屏 vs 末尾）、是否标明「试一个新的」、是否允许跳过且不记负。因变量：即时成本、延迟收益、中途关掉探索的比例。
后悔曲线描述系统侧效率。必须并排报用户侧的即时评分。只报长期 nDCG 会把当下那笔账藏起来，而这正是探索在产品里活不下去的原因。
边界
用户主动进「发现」轨，是他们自己把成本提前付了，首屏不必再摊。安全与库存限制了可探索集合时，乱探是伤害。冷启动的探索是为了有第一笔观测，成本结构不同（本来就没有可利用的准）。这条讲时间结构，不重写曝光偏差定义，也不把离线评估的政策偏向再讲一遍。
怎么落地
- 把探索放在可跳过、可标记的位置，并写「试一个你可能没见过的」。不要把探索项和主排序的「为你」混成同一句承诺。
- 跳过探索项不当负例；点了且完播，才记信息。
- 验证：打开探索两周，首周点击允许按预算下降，但第二周覆盖或新类点击应上升。若只见下降不见收回，要么比例过大，要么收益没有被兑现给用户——把槽从首屏挪走或把标记写清楚再测。