面向视频推荐的用户满意度问卷端到端对齐
信息检索
2026-01-29 v1
摘要
短视频推荐系统通常使用稠密用户行为信号（如点击和观看时长）来优化排序模型，但这些信号仅是用户满意度的间接代理，常受噪声和偏置影响。近期，借助问卷收集的显式满意度反馈日益成为高质量的直接对齐监督，但其稀疏性且易被海量行为数据所淹没，难以纳入在线推荐模型。为此，我们提出一种新框架，即通过问卷实现用户满意度端到端对齐，命名为 EASQ，以实现排序模型与真实用户满意度的实时对齐。具体而言，我们首先通过结合多任务架构和轻量级 LoRA 模块构建稀疏问卷信号的独立参数通道。多任务设计将稀疏满意度监督从稠密行为信号中分离，防止前者被淹没；LoRA 模块以参数隔离方式预注入这些偏好，确保在优化用户满意度时保持主干网络的稳定性。此外，我们采用针对在线学习的 DPO 优化目标，使主模型输出在实时上与稀疏满意度信号对齐。该设计实现了端到端在线学习，使模型能够持续适应新的问卷反馈，同时保持主干的稳定性和有效性。大量离线实验和大规模在线 A/B 测试表明，EASQ 在多种场景下均显著提升用户满意度指标。EASQ 已成功部署于生产级短视频推荐系统，实现显著且稳定的业务增益。
引用
@article{arxiv.2601.20215,
title = {Towards End-to-End Alignment of User Satisfaction via Questionnaire in Video Recommendation},
author = {Na Li and Jiaqi Yu and Minzhi Xie and Tiantian He and Xiaoxiao Xu and Zixiu Wang and Lantao Hu and Yongqi Liu and Han Li and Kaiqiao Zhan and Kun Gai},
journal= {arXiv preprint arXiv:2601.20215},
year = {2026}
}