探索与利用：推荐系统的长期博弈

推荐系统面临经典权衡：利用已知高收益内容满足当下需求，还是探索未知内容以获取长期信息。过度利用会导致兴趣固化，过度探索会损害短期体验。

多臂老虎机是描述该问题的经典框架，汤普森采样和上置信界是常用算法。它们根据不确定性动态分配流量，在收益与信息之间取得平衡。

实际系统中，探索通常以小额流量进行，并设置护栏指标防止体验下滑。新物品冷启动和兴趣拓展是探索的主要应用场景。

探索策略需要长期评估，短期指标可能因探索而下降。应关注用户留存和兴趣多样性等长期指标，避免因短期波动而过早放弃探索。