小红书精读：SurvEval: Listwise Re-Ranking Evaluator via Survival-Based Exposure and Multi-Objective Value Modeling

排序评估器：别手写位置折扣了📉

各位算法同学们，一个排在第 9 位的好 item，用户压根没滑到，离线评估器却当它“被看到”记了满额价值——这是现有 listwise evaluator 的默认假设。这篇来自 Intuit Credit Karma 的工作想把两件事拆开：用户能看到哪，以及看到了值多少。

📄 SurvEval: Listwise Re-Ranking Evaluator via Survival-Based Exposure and Multi-Objective Value Modeling

🔧 曝光端改成离散时间生存模型：第 t 位的退出概率建模成 hazard h(t)，reaching probability 就是前面所有位置 (1-h) 连乘，单调递减是结构自带的，不用再手写 position discount 那种凭感觉定的衰减函数；右删失（用户没退出、日志就断在这）也能进似然。

🧩 价值端不再把点击、时长、点赞揉成一个标量：K 个独立 value head，每个走加权逻辑回归（正样本按观测值加权），exp(logit) 还原 E[Y]；损失权重交给 uncertainty-based 多任务加权自己学，省掉手调多目标系数。

⚙️ 主干共享一个 transformer：item token 加位置 embedding，cross-attention 到 user token、self-attention 过列表，再分叉到 survival head 和 K 个 value head，最终 list 效用就是 Σ p(t)·v(t)，端到端联合训练。

📊 实验在 KuaiRand 和 Avito 两个数据集上做，不是单数据集自证。

📈 摘要结论是对 SOTA baseline 更优，对比对象覆盖现有 listwise evaluator 这一类。

✅ 图 3 的定性结果可以对着看：reaching probability 随深度单调下降，退出概率在中段出现单峰，和真实浏览直觉对得上。具体提升百分点在正文表格里，我没拿到数字就不硬编，你们看的时候直接对表。

😐 总结：做重排或做离线评估的同学可以跟，尤其是多目标量纲差得离谱、位置折扣靠凭感觉定的场景。要盯的指标是学出来的 list utility 和线上真实曝光深度、时长的相关性，不是离线排序指标本身。坑在日志：生存模型吃的就是真实退出位置，日志截断严重或位置偏差重，reaching probability 会学歪。和 PIER 这类两步式 evaluator 比，它的差异点是把“评估器”单独拎出来建模，而不是去改生成端。

原文：AlphaXiv