Beyond a Scalar: Distributional Serving Interfaces for Watch-Time Prediction
超越标量：面向观看时长预测的分布式服务接口
🧭 短视频推荐 · 分布服务接口 ★ 深度解读
Shanghai Jiao Tong University · Rice University
将观看时长从单一标量改为冻结分布提供器与紧凑摘要，下游只训轻量 readout 即可复用多目标
📌 工作参考价值（4 点）
- 把单点预测服务改成分布摘要接口：冻结上游模型，对外暴露紧凑分布统计（事件概率、分位数/时间尺度、熵、主导 gap），下游不同业务目标（点击、转化、GMV、时长、互动）只训练轻量 linear/DCN head，避免反复全量重训，支持快速迭代和多目标复用。
- 用 deterministic 业务规则从原始 label 构造多事件类型（如 ratio 分段 early/mid/completion/overplay），不需要额外标注，同时用 duration-aware support mask 屏蔽不合法组合，能更好刻画短视频/信息流的完播与超播。
- 在分布摘要中保留显式 duration-relative 统计（如 completion ratio、overplay ratio gap）可以提升 duration-relative ranking，适合业务中完播率、超额消费等指标。
- 新目标上线时只需冻结 provider，对新 label 训一个线性头即可，低标签预算（1%）就能达到或超过全量 baseline；随机初始化 provider 无效，说明收益来自学到的 watch-time 结构而非额外特征通道，这种接口化思路可复用到用户/物品表示服务。