科技虎嗅·陈玉立··AI 生成
抖音凭什么管好算法？
抖音生态运营组刘霄在近四小时对话中，系统拆解了平台治理的四个环节（定义、识别、处置、沟通），并回应了外界关于算法可控性的核心质疑。其核心论点是：算法并非不可控的黑箱，而是通过安全审核前置、多目标体系调配和模型群协同来校准；同时，平台主动披露了热点争议治理规则、信息茧房研究数据，以及治理的真实边界（灰色区域的模糊定义、算力限制、攻防无止境）。适合对平台经济、算法伦理和内容生态治理感兴趣的读者精读。原文 ↗原文 ↗
核心观点
- ▍算法是可控的，因为其本质是对用户行为特征的数学建模与概率预估，并非拥有主观意图的黑箱；平台通过安全审核前置、多目标体系权重调整和模型群协同，能够主动引导内容分发。
- ▍外界认为平台依靠争议流量获利的预设站不住脚：争议热点事件在抖音流量大盘中的占比极低，恶意营销号带来的流量是负资产，理性的公司不会为极小流量承担巨大舆论风险。
- 01抖音每日新增视频近1亿条，人工审核无法单独完成，因此针对不同领域训练了独立模型（谣言、网暴等），并依据流量高低进行梯度评估，高流量内容经历更严审核。
- 02算法在推荐页每刷新一次需面对100亿条视频、每条128维向量的点积计算，总计约2.6万亿次浮点运算，算力限制决定了必须采用召回（50毫秒内粗筛几千万到几千条）再精排的工程方案，这是治理和分发都有遗漏的底层原因。
- 03平台将收藏按钮前置并优化收藏推荐逻辑后，用户收藏行为增强，高信息价值内容获得更多推荐，形成创作者、用户与平台之间的良性正反馈。
- 04算法团队将用户看完视频后发出正向评论或恶意攻击评论的概率作为预估目标纳入多目标体系，正向反馈高则分发概率提升，恶意攻击则降权。
- 0514天周期内推荐内容多样性与用户活跃度相关性不显著，但拉长至14天以上，推送越多样则用户长期活跃度越高，"汉堡吃多也会腻"的逻辑支撑了算法探索多元内容的必要性。
反方 / 局限
- — 平台承认许多治理问题源于社会现实问题投射到线上，对于没有社会共识的灰色地带（如低俗内容的个体感受差异），平台的"定义"线画在哪，刘霄直言"这个问题我回答不了"。
- — 风控竞争是永无止境的猫鼠游戏，违规变体常常先于治理，规则和模型迭代速度虽快，但"治理了1万个不好的内容，有少量漏放，大家只会看到没被拦截的"，平台承认治理无完美终点。
- — 学者桑斯坦提出"信息茧房"时推荐算法尚未兴起，传播学界多年缺乏实证支撑算法导致茧房；但该词因生动易用而在中文舆论场流行，公众感知与学术结论之间存在张力。
26 分钟 · 6 卡片 · 10 资料
读原文 →概念锚点
前置背景
论证骨架
平行视角
争议局限
延伸追问