Multi-Objective Ranking for Live-Streaming: Balancing Fresh and Delayed Signals with Segment-Aware Targeting
直播多目标排序：平衡新鲜与延迟信号的分段定向优化
🧭 直播推荐 · 延迟信号与MMoE
Twitch Interactive · Amazon Prime Video
通过延迟窗口、双模混合新鲜/延迟信号与MMoE，实现直播推荐多目标平衡及用户分群定向，DAV+0.09%
📌 工作参考价值（4 点）
- 延迟窗口建模转化：电商中购买、加购等行为常有延迟，可借鉴延迟窗口，用历史曝光样本延迟的正负标签更新模型，与实时信号模型融合，平衡即时兴趣与长期转化。
- 用户分段独立优化：将用户按生命周期或活跃度划分（如新客户、沉睡客户、高价值客户），为不同段单独训练或微调模型分支/偏差项，或调整不同目标的融合权重，实现定向提升（如促活、提频、提客单）。
- MMoE 多目标共享参数：当需要同时优化点击、转化、收藏等多个目标时，采用 MMoE 共享底层专家，减少模型数量和维护成本，通过门控做任务特化，尤其适合多个有相关性的目标。
- 移动端 feed 场景验证：方法在移动端信息流推荐中也有效（互动提升 1.12%），说明跨场景可迁移，电商首页、猜你喜欢等 feed 类场景可尝试类似多模型、分段定向方案。