单一目标优化容易带来副作用。只优化点击率会催生标题党和猎奇内容，只优化转化率会牺牲浏览体验。多目标融合因此成为推荐排序的常见设计，需要同时兼顾点击、停留、转化、互动等多个维度。
融合方式主要有加权求和、乘性融合和模型级多任务学习。加权求和简单直观但权重难调，且不同量纲的分数需要先校准；乘性融合强调目标间的相互约束，适合有硬性门槛的场景；多任务学习共享底层表示，能利用目标间的相关性。
权重设计应服务于业务阶段。拉新期可提高互动和留存权重，变现期提高转化权重。权重不宜频繁大幅调整，否则模型和运营都难以形成稳定预期。建议通过实验确定权重区间，并设置护栏指标防止失衡。
多目标评估要看帕累托前沿而非单一分数。观察不同权重下各目标的取舍关系，选择符合业务偏好的工作点。同时监控目标间的相关性变化，避免某个目标被长期压制而影响生态。
