返回快訊

X開源算法權重:原創與互動決定推薦,點贊權重僅0.5,主頁訪問與停留時長權重極低

X開源For You推薦算法權重細節,顯示系統主要通過預測用戶行爲打分。

Grok預測讀者是否會點贊、回覆、轉發、複製鏈接或關注,正向行爲提升分數;舉報、屏蔽與“不感興趣”則大幅扣分。

同一讀者信息流中,第二篇帖子分數降至62.5%,第三篇約44%,最低不低於25%,明確限制重複曝光。

原創帖無折扣,未關注賬號的回覆與轉發基本不進入時間線;即使已關注,回覆與轉發也乘以0.75,僅關注賬號的原創保留全部分數。

打分後重排序模型會分散相似內容,即使分數高也可能因雷同而後移。

點贊權重僅0.5,主頁訪問與停留時長權重極低;陌生回覆與轉發在評分前被過濾,舉報預測可導致劇烈降級。

市場機制上,算法公開後創作者更傾向高質量原創與真實互動,資金與流量流向能引發討論與分享的內容;受益方爲優質原創賬號,承壓方爲依賴刷量、回覆刷屏與擦邊內容的賬號。

來源:公開信息

ABAB AI 解讀

X此次開源完整展示了基於行爲預測的打分與多重摺扣機制,延續了此前透明化努力,將“限流”從黑箱猜測變爲可對照代碼的規則。

資本路徑上,通過公開權重引導創作者行爲向平臺期望的互動類型靠攏,降低低質內容分發成本;動機是提升時間線質量與用戶留存,戰略上把算法從爭議焦點轉爲可優化的公開系統。

類似案例可見其他平臺有限公開推薦邏輯後創作者策略調整;當前社交推薦處於從隱式優化向顯式規則引導轉型的階段。

結構判斷屬於技術替代:行爲預測與多重懲罰替代簡單熱度排序,機制在於當系統能精準預測負面反饋時,可提前過濾低質內容並獎勵真正引發主動參與的帖子。

ABAB News · 認知定律

  1. 算法獎勵的是主動分享,而非被動點贊

  2. 重複曝光懲罰,比內容質量更能決定可見度

  3. 公開權重後,刷量策略率先失效