多阶段漏斗
发现页同样撑不住对全库跑精排。NoteLLM 论文的生产背景是：旧 I2I 只用 BERT 吃笔记文本，不够用话题和类目这些压缩信号，也不够用协同。漏斗负责先缩小集合，再把算力花在可能被点开的笔记上。
亿级可推内容池
多路召回 · 千级
粗排 · 百级
精排 · 几十
重排混排 · 约十条
客户端 Feed
| 阶段 | 规模 | 做什么 |
|---|---|---|
| 笔记池 | 亿级以上 | 过审、完成关键媒体处理、具备标签或 embedding 的可分发笔记。生成式检索分享提到笔记库在亿级以上。 |
| 多路召回 | 千级 | 协同、双塔、关注作者、热门、以及 NoteLLM 一类 I2I 内容召回。I2I 只看笔记内容，用来和新笔记公平比较。 |
| 粗排 | 百级 | 轻量模型快速估计点击或互动，砍掉明显不匹配的候选，把精排成本控制住。 |
| 精排 / 生成式排序 | 百级 | 深度模型多目标打分。GenRank（arXiv:2505.04180）把生成式架构用在发现页精排，并做了线上 A/B。 |
| 重排 / 混排 | 几十 | 多样性抽样、相似笔记打散、插入广告和运营内容，再下发给双列瀑布流。 |
召回为什么要 I2I
NoteLLM 写得很直白：只靠后验行为，新笔记没有点击，召回就会偏老。内容多模态 I2I 让新笔记和老笔记站在同一条起跑线。协同、双塔、关注作者仍然在，I2I 是补冷启动，不是替换一切。
多目标
阿里云收录的小红书推荐数据分享把训练信号写成曝光、点赞、点击，并强调实时归因。第三方复盘文章还列出 hide / fav / comment / share / follow。能核到一线分享的是：点击之外还有互动和「算不算有效点击」（例如停留是否超过数秒）。只优化 CTR 会推出封面党。