推荐多样性：准确率之外的体验维度

只看点击率优化，推荐结果容易同质化：用户点过一次某类内容，系统便持续推送相似物品，短期指标好看，长期却可能引发审美疲劳。

多样性衡量的是推荐列表中物品的差异程度，可按类目、标签或向量距离计算。列表内多样性与跨时间多样性都值得关注。

提升多样性的常用手段包括打散重排、类目配额约束、最大边际相关性等。核心是在相关性打分基础上加入惩罚项，抑制重复。

多样性与准确率存在张力，需要实验找到平衡点。合理的做法是把多样性作为约束或护栏指标，在保证相关性不显著下降的前提下提升覆盖。