曝光偏差与位置偏差：推荐数据中的系统性噪声

推荐日志不是自然产生的，而是旧策略选择的结果。用户只能点击被曝光的内容，这导致曝光偏差；排在前面的内容获得更多点击，这导致位置偏差。

这些偏差会让模型学到错误规律：高曝光内容被反复强化，冷门内容永远得不到机会。长期下去，内容生态会趋于单一。

纠正方法包括逆倾向加权，对低曝光概率的样本给予更高权重，以及在训练中加入位置特征并在预估时做校正。

理解偏差的存在比盲目追求模型复杂度更重要。数据生成机制本身，往往就是效果瓶颈的根源。