---
title: "常见疑问解答"
description: "常见疑问解答：未关注推荐、负反馈、可见性过滤、账号标签、新作者扶持、广告混排与开源实现对比"
---

> Documentation Index
> Fetch the complete documentation index at: https://x-algorithm.vergego.ai/llms.txt
> Use this file to discover all available pages before exploring further.

# 常见疑问解答

> 本文汇总推荐系统常见疑问与机制说明。每条解答均以系统技术文档为依据，并给出一个源码出处；文内链接可直接溯源至源码实现。

## 推荐结果机制

**Q：为什么推荐流中会出现未关注作者的帖子？**

内层流水线有 9 个候选源，其中多个取的是站外帖子（`home-mixer/candidate_pipeline/phoenix_candidate_pipeline.rs:380-390`）。主要的站外来源有三个：[Phoenix 召回](https://x-algorithm.vergego.ai/concepts/phoenix-retrieval/) 用双塔模型从全网找与你兴趣接近的帖子；[SimClusters 站外候选源](https://x-algorithm.vergego.ai/concepts/simclusters/) 用你最近互动过的帖子找相似帖子；热门帖子源提供一份全站共享的热门列表。站外来源是 For You 与 Following 关注流的核心差异。

**Q：“热门帖子”这一路是怎么来的？**

热门帖子源是一份全站共享列表，不按用户个性化。离线任务按粉丝数从高到低选作者，人数为近 7 天活跃发帖人数的 0.005%，每人最多 5 条，共 500 条（`home-mixer/util/popular_authors.rs:11,25-30`、`home-mixer/util/popular_posts.rs:39-40`）。请求时直接读这份列表。详见 [home-mixer 编排层](https://x-algorithm.vergego.ai/concepts/home-mixer-orchestration/)。

**Q：SimClusters 是什么？会推哪些帖子？**

SimClusters 按“谁关注谁、谁点赞什么”把账号和帖子聚成社区。home-mixer 取你 90 天内互动过的帖子作种子，找同社区的相似帖子；只保留余弦分大于 0.5 的结果，最多 800 条（`home-mixer/sources/simclusters_source.rs:25-36`）。开源默认开启（`home-mixer/params/param.rs:48-53`）。详见 [SimClusters 站外候选源](https://x-algorithm.vergego.ai/concepts/simclusters/)。

**Q：系统如何建模用户兴趣偏好？**

系统主要根据用户近期的行为序列建模兴趣。排序模型的旗舰配置读取最近 1022 条互动历史，包括点赞、回复、转发、引用以及浏览停留（`phoenix/xrex/configs/xrecsys.py:316-319`）。模型还看帖子的公开互动数；帖子发布超过约 14 天后，这些计数不再输入模型（`phoenix/xrex/data/recsys/feature_config.py:87-88`）。系统不依赖用户填写的静态兴趣标签。详细机制参见 [Phoenix 排序模型](https://x-algorithm.vergego.ai/concepts/phoenix-ranking/)。

**Q：已关注作者发布的帖子是否必然出现在 For You 推荐流中？**

已关注作者的帖子不会必然出现。站内候选与站外候选共同参与排序，按最终分决定位置。站外帖的分数乘以开源默认值 0.75；关注者发的回复和转发默认也乘 0.75，只有关注者的原创帖不降权（`vm-ranker/params.rs:193-222`）。作者与你互相关注时，原创帖的回复权重从 5.0 加到 20.0（`home-mixer/params/param.rs:411-416`）。用户若需完整浏览已关注作者的全部内容，需切换至 Following 时间线。详细机制参见 [打分与排序](https://x-algorithm.vergego.ai/concepts/scoring-and-ranking/)。

**Q：为什么偶尔会推荐较早发布的帖子？**

内层流水线的时效过滤器会去掉发布超过 48 小时的候选（`home-mixer/params/config.rs:39`）。[Thunder 站内帖子内存库](https://x-algorithm.vergego.ai/concepts/thunder-in-network-store/) 只保留最近 2 天的站内帖子。所以经过内层流水线的帖子都不超过 48 小时；“较早”的帖子也在这个上限以内。详细说明参见 [过滤流水线](https://x-algorithm.vergego.ai/concepts/filtering-pipeline/)。

**Q：推荐算法是否会导致信息窄化（信息茧房）？**

系统有几项多样性机制，但都是开源默认值，线上取值源码未包含：

- **作者多样性**：同一作者每多出现一条，分数乘一个递减系数，衰减 0.5、下限 0.25（`vm-ranker/params.rs:175-192`）。
- **DPP**：vm-ranker 可按帖子嵌入的相似度挑出彼此不太相似的一组；启动参数 `--dpp-enabled` 的代码默认值为 false（`vm-ranker/args.rs:14-15`）。
- **站外来源**：Phoenix 召回、SimClusters 和热门帖子源会引入你未关注的作者。

系统以预测互动为排序目标，多样性机制作为调整项生效。详见 [打分与排序](https://x-algorithm.vergego.ai/concepts/scoring-and-ranking/) 与 [VM Ranker 重排服务](https://x-algorithm.vergego.ai/concepts/vm-ranker/)。

**Q：新作者的帖子有扶持吗？**

有，叫新作者扶持。每次请求最多选一条帖子，条件包括：作者粉丝不超过 50000、原创帖、帖龄不超过 7200 秒、首页曝光少于 200。选中的帖子被抬到第 16 名的分数（`home-mixer/params/param.rs:608-681`、`home-mixer/scorers/author_cold_start.rs:188-334`）。候选之间用 Thompson 采样挑选，曝光越多越接近真实点赞率。详见 [打分与排序](https://x-algorithm.vergego.ai/concepts/scoring-and-ranking/)。

## 用户行为与信号反馈

**Q：点击“不感兴趣”是否能够影响推荐结果？**

点击“不感兴趣”会降低相关内容的推荐概率。排序模型同时预测用户对候选帖子的多项行为概率，其中包括不感兴趣、拉黑、静音、举报等负反馈。加权打分为这些预测赋予负权重，例如“不感兴趣”为 -53.07（`home-mixer/params/param.rs:509-514`）。模型预测你对某类内容点“不感兴趣”的概率上升时，该类候选的最终分随之降低。详细机制参见 [打分与排序](https://x-algorithm.vergego.ai/concepts/scoring-and-ranking/)。

**Q：他人针对单条帖子批量点击“不感兴趣”是否会压制该帖子的全网推荐？**

请求时的打分不按全局点击计数扣分。权重乘的是当前浏览用户自己做出该行为的预测概率，不是帖子收到的反馈次数（`xai-value-model/scoring.rs:28-56`）。源码注释还说明两点：推荐是个性化的，恶意反馈主要影响与这些用户相似的人；只有在首页推荐流里发生的行为才计入，直接打开帖子不影响排序（`xai-value-model/scoring.rs:44-56`）。

标签路径另有账号级统计，但统计对象不是“不感兴趣”。agatha 离线计算一个账号收到的拉黑、举报、垃圾举报相对站外点赞的比率（`agatha/scalding/labels/rate_based_labels/RateBasedLabels.scala:29-57`）。Phoenix 的训练代码已开源，但线上训练数据源码未包含，所以长期协同操作是否影响模型参数，无法从本代码库定论。详见 [账号级信号（agatha、bdsm、user-cred-v2）](https://x-algorithm.vergego.ai/concepts/account-signals/)。

**Q：用户滑动浏览或未停留互动是否构成系统信号？**

快速划过与停留时长都是系统输入。停留时长和“未停留”既作为模型的历史输入，也作为排序模型预测的行为目标。“未停留”的权重为 -0.02（`home-mixer/params/param.rs:528-533`）。2026-10-08 起，停留时长改用 CREAD 损失训练（`phoenix/xrex/models/loss_recsys.py:110-187`）。详细机制参见 [Phoenix 排序模型](https://x-algorithm.vergego.ai/concepts/phoenix-ranking/)。

**Q：拉黑或静音作者会产生什么机制影响？**

系统在预打分阶段过滤目标作者的内容。你拉黑或静音的作者的帖子，以及转发或引用你拉黑作者的帖子，都由 `AuthorSocialgraphFilter` 去掉（`home-mixer/filters/author_socialgraph_filter.rs:9-40`）。可见性过滤也有“观看者拉黑或静音作者”的丢弃规则（`visibility-filtering/rules/levels.rs:298-299`）。详细说明参见 [过滤流水线](https://x-algorithm.vergego.ai/concepts/filtering-pipeline/)。

**Q：举报单条帖子是否会实时扣除帖子分数？**

系统不会根据举报计数实时扣分。举报通过三条独立链路生效：

1. 排序模型预测当前用户举报的概率，权重为 -234.0（`home-mixer/params/param.rs:527`）。
2. agatha 离线统计账号收到的举报相对站外点赞的比率，供打标签规则使用（`agatha/scalding/labels/rate_based_labels/RateBasedLabels.scala:29-57`）。
3. [Grox 内容分类器](https://x-algorithm.vergego.ai/concepts/grox-classifiers/) 独立审查帖子内容。

权重 -234.0 不等于“1 次举报抵消几百个赞”。举报的基础概率比点赞低 1000 倍以上，权重必须大，预测才能影响排序（`xai-value-model/scoring.rs:40-42`）。

## 可见性与账号标签

**Q：排序分高的帖子一定会展示吗？**

不一定。排序决定先后，[可见性过滤（Visibility Filtering）](https://x-algorithm.vergego.ai/concepts/visibility-filtering/) 决定能不能展示。home-mixer 在选出帖子后查询可见性过滤服务（`home-mixer/candidate_pipeline/phoenix_candidate_pipeline.rs:485-487`）。服务读取后台打好的标签，给出 ALLOW、NOTICE、INTERSTITIAL 或 DROP。home-mixer 只去掉 Drop 一类的结果，带遮罩的帖子保留（`home-mixer/filters/vf_filter.rs:22-27`）。

**Q：有没有“只限制推荐、不影响关注者”的账号标签？**

有。站外候选使用更严格的安全级别 `TimelineHomeRecommendations`，站内候选使用 `TimelineHome`（`home-mixer/candidate_hydrators/vf_candidate_hydrator.rs:70-106`）。前者多出一组账号标签规则：账号带 SpamHighRecall、Compromised、ReadOnly、ImpersonationHighPrecision、AbusiveHighRecall、DoNotAmplify 之一时，它的帖子在站外推荐中被丢弃（`visibility-filtering/rules/levels.rs:65-72`）。5 种 NSFW 账号标签同样只在这个级别里（`visibility-filtering/rules/levels.rs:318-332`）。

关注者在站内看到这些帖子不受这组规则影响，作者本人也看得到。user-cred-v2 分数不低于 54 的账号和政府灰标账号，豁免多数自动打标签规则（`botmaker-rules/scarecrow/derived-feature/IsHighPageRankUser.df:3-18`）。详见 [限流与 shadowban](https://x-algorithm.vergego.ai/guide/visibility-and-shadowban/)。

**Q：账号标签是怎么打上的？**

标签路径在后台运行。例如账号最近 5 条帖子里有 3 条带 `NSFW_HIGH_PRECISION`，账号就得到同名标签，有效 7 天（`safety-label-user-agg/postToUserLabelRules.strato:395-426`）。其他标签来自打标签规则和处置服务。处置被申诉推翻后，有申诉保护期防止重复处置；处置服务查询保护期的这道检查开源默认关闭（`abuse-enforcement-service/service-lib/src/overturn_hold.rs:150-162`）。详见 [打标签规则（scarecrow 与 botmaker）](https://x-algorithm.vergego.ai/concepts/labeling-rules/) 与 [处置与标签聚合](https://x-algorithm.vergego.ai/concepts/enforcement/)。

**Q：我能看到自己账号和帖子上的标签吗？**

能看到一部分。Under the Hood 是按月生成的报告，账号注册满 365 天、且上个月至少发了 10 条帖子才有资格（`under-the-hood/strato/columns/underTheHoodReport.User.strato:18-19`）。报告只展示白名单内的 19 种帖子标签和 12 种账号标签，不在白名单的标签不展示（`under-the-hood/strato/lib/underTheHoodLabels.strato:3-184`）。上游 README 给出了试点入口（`README.md:470`）；开源代码里报告开关默认关闭，线上开关值源码未包含（`under-the-hood/strato/lib/params.strato:15-16`）。详见 [Under the Hood 透明度报告](https://x-algorithm.vergego.ai/concepts/under-the-hood/)。

## 广告混排与内容安全

**Q：商业广告如何混排进入推荐信息流？**

系统在自然帖子排好之后插入广告。开源默认的混排策略是 `multi_risk`，共有六种策略可选（`home-mixer/params/param.rs:957-962`、`home-mixer/selectors/blender_selector.rs:61-79`）。每条帖子有五档品牌安全裁定，中风险与高风险帖子不能紧挨广告（`home-mixer/models/brand_safety.rs:7-14`）。详细机制参见 [广告混排](https://x-algorithm.vergego.ai/concepts/ads-blending/)。

**Q：系统如何判定内容安全合规级别？**

多个后台组件共同判定。[Grox 内容分类器](https://x-algorithm.vergego.ai/concepts/grox-classifiers/) 用 Grok 型号和 Gemma 系列模型判断垃圾内容、成人内容、暴力媒体等（`grox/config/config.py:79-94`）；成人内容另有一个非大模型的图片分类器参与仲裁。[图片与视频模型](https://x-algorithm.vergego.ai/concepts/media-models/) 用 7 个媒体模型判断成人、暴力血腥、仇恨符号等。这些分数经打标签规则变成标签，由可见性过滤和广告混排读取。

## 开源实现与生产系统

**Q：开源代码库与 X 线上生产环境是否完全一致？**

不完全一致。Phoenix 发布的是生产实现本身，而不是早期从 Grok-1 移植的示例；未发布的是 xAI 专用基础设施，例如线上数据源和集群编排（`phoenix/README.md:9-21`）。仓库不提供模型 checkpoint（`phoenix/README.md:61-62`）。Grox 提示词和部分 botmaker 规则不在仓库中（`README.md:446-447`）。参数是开源默认值，线上值可能不同。详细对比参见 [开源版 vs 线上真实算法:已知差异清单](https://x-algorithm.vergego.ai/guide/open-source-vs-production/)。

**Q：开发者能否在本地独立运行该项目？**

Phoenix 可以在本地端到端训练和服务。仓库自带合成数据生成器和单卡 `nano` 配置，需要 Linux、NVIDIA GPU 和 CUDA 12（`phoenix/QUICKSTART.md:12`）。旧版的 `run_pipeline.py` 示例脚本已删除。home-mixer、Thunder、Grox 等在线服务依赖内部基础设施，主要供架构分析参考。详细说明参见 [Phoenix 训练](https://x-algorithm.vergego.ai/concepts/phoenix-training/)。

**Q：该推荐系统最具代表性的架构特征是什么？**

排序和可见性是两套分开的系统。排序靠模型预测行为概率，不靠“带图加分”这类人工规则；模型输入也包括帖子的公开互动数（`phoenix/xrex/data/recsys/feature_config.py:87-88`）。能不能展示则由可见性过滤按标签决定。详细说明参见 [推荐系统工作原理](https://x-algorithm.vergego.ai/guide/how-it-works/)。

## 出处

每条解答只陈述技术页已核验的事实。本页主要依据如下；精确行号见各技术页的“源码锚点”。

| 结论 | 技术页 | 主要源码 |
|------|--------|----------|
| 9 个候选源，含多个站外源 | [home-mixer 编排层](https://x-algorithm.vergego.ai/concepts/home-mixer-orchestration/) | `home-mixer/candidate_pipeline/phoenix_candidate_pipeline.rs:380-390` |
| SimClusters 阈值与默认开启 | [SimClusters 站外候选源](https://x-algorithm.vergego.ai/concepts/simclusters/) | `home-mixer/sources/simclusters_source.rs:25-36` |
| 站外系数 0.75，含关注者的回复与转发 | [打分与排序](https://x-algorithm.vergego.ai/concepts/scoring-and-ranking/) | `vm-ranker/params.rs:193-222` |
| 双向关注加成 15.0 | [打分与排序](https://x-algorithm.vergego.ai/concepts/scoring-and-ranking/) | `home-mixer/params/param.rs:411-416` |
| 新作者扶持参数 | [打分与排序](https://x-algorithm.vergego.ai/concepts/scoring-and-ranking/) | `home-mixer/params/param.rs:608-681` |
| 权重乘预测概率，不乘计数 | [打分与排序](https://x-algorithm.vergego.ai/concepts/scoring-and-ranking/) | `xai-value-model/scoring.rs:28-56` |
| 站外账号标签规则 | [可见性过滤（Visibility Filtering）](https://x-algorithm.vergego.ai/concepts/visibility-filtering/) | `visibility-filtering/rules/levels.rs:65-72` |
| Under the Hood 资格与白名单 | [Under the Hood 透明度报告](https://x-algorithm.vergego.ai/concepts/under-the-hood/) | `under-the-hood/strato/columns/underTheHoodReport.User.strato:18-19` |
| 广告默认 multi_risk | [广告混排](https://x-algorithm.vergego.ai/concepts/ads-blending/) | `home-mixer/params/param.rs:957-962` |
| Phoenix 是生产实现、无 checkpoint | [开源版 vs 线上真实算法:已知差异清单](https://x-algorithm.vergego.ai/guide/open-source-vs-production/) | `phoenix/README.md:9-21` |

## 相关页面

- [推荐系统工作原理](https://x-algorithm.vergego.ai/guide/how-it-works/) —— 端到端执行流程说明
- [核心组件速览](https://x-algorithm.vergego.ai/guide/the-five-components/) —— 六组核心组件功能速览
- [候选帖子选择与成型机制](https://x-algorithm.vergego.ai/guide/how-posts-are-picked/) —— 选帖收尾过程的详细机制
- [运营迷思与源码真相](https://x-algorithm.vergego.ai/guide/operating-myths/) —— 运营经验与源码实现对照
- [算法发帖指南](https://x-algorithm.vergego.ai/guide/posting-guide/) —— 基于底层算法机制总结的创作者分发建议
- [可见性与限流机制](https://x-algorithm.vergego.ai/guide/visibility-and-shadowban/) —— 算法可见性过滤机制分析
- [算法使用的数据特征清单](https://x-algorithm.vergego.ai/guide/your-data/) —— 算法使用的输入特征清单
- [开源版 vs 线上真实算法:已知差异清单](https://x-algorithm.vergego.ai/guide/open-source-vs-production/) —— 开源版本与生产系统的已知架构差异清单
- [术语速查表](https://x-algorithm.vergego.ai/guide/glossary/) —— 核心术语速查表
- [系统架构总览](https://x-algorithm.vergego.ai/concepts/system-architecture/) —— 技术架构全景文档

Source: https://x-algorithm.vergego.ai/guide/faq/index.mdx