https://cuicaihao.github.io/zh/tags/%E6%8E%A8%E8%8D%90%E7%B3%BB%E7%BB%9F/Recent content in 推荐系统 on C.CUI's LogHugozh-HansSun, 30 Aug 2026 07:00:00 +1000https://cuicaihao.github.io/zh/posts/2026-08-30-when-social-conflict-becomes-a-recommendation-signal/Sun, 30 Aug 2026 07:00:00 +1000https://cuicaihao.github.io/zh/posts/2026-08-30-when-social-conflict-becomes-a-recommendation-signal/社会冲突并不是推荐算法凭空制造的。婚姻中的经济成本、生育风险和家庭责任在现实中并未均分，而算法分发将这些委屈与焦虑吸纳为了极化信号；当平台主要依据停留、评论和转发理解用户时，愤怒也可能被当作兴趣进入下一轮推荐。不过，同样的技术也可以改善表达、寻找共同点并把部分选择权交还用户。技术从社会中学习，也会反过来改变社会，因此公共利益本来就是算法设计的一部分。https://cuicaihao.github.io/zh/posts/2026-08-19-how-generative-ai-is-reshaping-recommendation-systems/Wed, 19 Aug 2026 07:00:00 +1000https://cuicaihao.github.io/zh/posts/2026-08-19-how-generative-ai-is-reshaping-recommendation-systems/本文追溯了推荐系统从协同过滤和深度学习到生成式AI的演进及其带来的变革性影响。文章深入探讨了生成式AI如何通过自然语言改变用户交互、整合跨应用上下文，并参与内容组织与生成，超越了传统的检索和排序功能。文章还区分了这些变化在产品应用和研究阶段的现状，并讨论了它们对用户选择、内容生产和信息核对的深远影响。