小红书精读：PCap: Personalized Retrieval-Stage Diversity Capping in Facebook Marketplace

召回阶段做多样性，VPV只涨0.3%？

各位算法同学们，多样性这件事，很多团队默认放排序阶段做重排最划算，Meta这篇偏把约束往前挪，直接卡在召回。反常识的点是：召回阶段做个性化多样性，既没伤召回量也没拖延迟，线上VPV还涨了0.3088%。这数字单看小得容易被忽略，放在Marketplace这种量级上已经是统计显著的正向。

📄 PCap: Personalized Retrieval-Stage Diversity Capping in Facebook Marketplace

🔧 用Shannon熵给每个用户算多样性偏好分，归一化后切成6个桶，桶1最窄、桶6最杂。这里没选连续分数而是固定桶数，是为了桶内稳定、线上行为可预测、计算开销低。

🧩 用Facebook商品品类FPT做分组键，在每个桶上设个性化上限：上限 = 召回源拉取量 × 源级乘子f_k × 用户桶乘子m_u。偏好窄的用户给松cap，偏好杂的给紧cap。机制同时作用在索引分片扫描和聚合两层，防止单一品类霸占候选集。

⚙️ 每个桶的乘子属于高维参数，靠Parameter Tuning Sequence做在线自动调参，替掉人工网格搜索，能长期跑在生产环境里。

📊 Phase 1对比无cap基线，VPV +0.3088%，说明召回阶段加品类cap确实能让用户看到更杂的内容。

📈 Phase 2对比统一cap（只按买家/非买家分层），衡量个性化带来的增量，结论是个性化多样性主要惠及偏好两端的用户，中间段用户收益有限。

✅ 全程只用线上A/B，没做离线baseline：召回改候选池会引发排序的二阶变化，离线指标测不出来。MMR、DPP这类方法需要全局相关性分数和固定候选集，跟分片召回的形态不兼容。

总结感想：如果你在做召回层的候选池治理，这篇的工程拆解比算法本身更有参考价值——分片加聚合双层cap、桶数固定、在线调参，都是能直接抄的结构。要盯的指标是VPV、PDP、MLI和HHI，同时确认PF延迟没被cap拖累。坑有两个：桶化会牺牲一部分个性化粒度，短活跃用户容易被噪声带偏；另外Phase 2的具体涨幅在可见摘要里没给全，想复现得自己调m_u和各源乘子。

原文：AlphaXiv