小红书精读：Baseline and Incremental: User, Item, and Request Debiasing in Instagram Feed Ranking

去偏不是删baseline，IG给了双权重

各位算法同学们，去偏的默认动作是把baseline从打分里减掉，但这篇Meta的线上四臂实验结论相反：raw项和incremental项都不冗余，两个都留、各给一个权重，比只留任一个都好。对一个每天要跑海量请求的排序系统来说，这种只改配置、不动模型的改法，成本低到可以在线上反复试。

📄 Baseline and Incremental: User, Item, and Request Debiasing in Instagram Feed Ranking

🔧 核心主张是把一次预测拆成baseline和增量：s(c)=Σ[w_r·p + w_i·Δ]，原始预测保留，增量单独加权。一个系数没法同时权衡“这个用户本来就爱点赞”和“这条内容确实更好”，两个权重才行。它是VM里的一个配置项，不是新模型，上线按小时算，回滚也一样快。

🧩 viewer、item、request三类去偏被统一成一个参数化算子，四个设计选择：baseline取谁、比较尺度d（概率用logit差，回归用原单位差）、幅度m、以及k和shift。文中还点出一个常见错误：把promotion项改写成demotion时沿用m=p，但候选掉到下限时惩罚才该生效，得换常数幅度并把比较方向反过来。

⚙️ media-type这类格式偏置不走打分时门控，而是走同一个流程选出的去偏label，作者给了判断标准：什么时候label的代价比打分时gate更值。

📊 like预测与用户历史点赞率的秩相关有0.69，这个信号很大一部分在复读用户习惯，而不是在区分候选。

📈 6个已上线term上的四臂消融（都不加、只加raw、只加incremental、都加），双项版在生产权重下13个(term, metric)对里有11个点估计更优。

✅ 26个直接对比里17个显著支持双项、只有1个显著反对，且出现在impressions上。这套term在Instagram Feed生产上跑了将近一年。

总结：如果你的场景是多信号加权求和、各信号基数差异又大，这套raw加增量双权重是低成本可试的方向，顺序是先拿离线诊断筛信号（别用它给信号排名），再上四臂实验。两个坑：权重是联合调的，加一项会扰动其它项的运行点；launch期效应被“选择上线”本身抬高，别只盯上线那几天的数字。

原文：AlphaXiv