推荐系统面临经典的两难：利用已知偏好推荐用户大概率喜欢的物品，能保证短期点击；探索未知领域可能发现新兴趣，但短期指标可能下降。只利用不探索，推荐会越来越窄。
信息茧房是过度利用的后果。用户被反复推荐同类内容，兴趣范围收窄，长期留存和满意度可能下降。适度的探索能打破循环，给用户和物品都创造新机会。
多臂老虎机是探索与利用的经典框架，epsilon-greedy 以一定概率随机探索，汤普森采样根据后验分布采样决策，UCB 优先选择不确定性高的选项。这些方法在推荐中都有应用变体。
工程实践中，探索通常以较小流量比例进行，并设置护栏指标防止体验恶化。探索策略的效果需要较长周期评估，因为其收益往往体现在长期留存而非短期点击。
