主要观点：Meta 为 Instagram 实施新的机器学习框架，应用多样性算法减少重复内容同时保持用户参与度，解决了同一内容创作者消息过多和过度强调单一产品表面等问题。
关键信息：

• 新框架为多样性层，在现有参与模型之上，评估通知候选者多维度，对相似通知应用乘法惩罚降低相关性得分。
• 数学上用基础相关性得分乘多样性降级因子，各维度计算相似度信号，确定是否超过阈值。
• 工程师称该框架显著减少每日通知量且提高点击率，具可扩展性和灵活性，未来将探索动态降级策略及利用大语言模型增强通知多样性。
  重要细节：
• 多样性感知排名系统解决内容创作者和产品类型过度曝光问题。
• 之前机器学习模型主要优化点击率和参与度指标致用户收到重复消息，可能被视为垃圾邮件而关闭。
• 工程师可配置各维度权重以微调相关性和多样性的平衡，不同团队可根据产品需求调整框架。
• 框架通过图片展示，来源为Engineering at Meta Blog Post。
• Instagram 团队称其方法反映机器学习应用的更广泛趋势，类似技术可用于其他系统减少冗余并保持相关性。