Tag: module-m7
-
【AI 核心深度 M7-099】解释 A/B 实验的样本量计算与最小可检测效应（MDE）（Explain Sample Size Determination, Statistical Power, and Minimum Detectable Effect (MDE) in A/B Testing）深度数理推导与工程落地解析
样本量 ∝ 方差 / MDE²；MDE 是’能检出的最小效应’，需与业务意义平衡（太小则样本量爆炸）。
-
【AI 核心深度 M7-100】解释多重比较与序贯检验（FDR / Alpha Spending）（Explain Multiple Testing Corrections (FDR, Bonferroni) and Sequential Testing (Alpha Spending) in A/B Experiments）深度数理推导与工程落地解析
多指标/多次看数据会推高假阳性率；用 FDR/Bonferroni 校正多重比较，用 alpha spending 处理序贯检验。
-
【AI 核心深度 M7-101】解释分层实验与互斥域（Layer / Domain）（Explain Layered Experimentation Frameworks and Mutually Exclusive Domains in Scaled A/B Testing）深度数理推导与工程落地解析
分层（layer）把流量分成独立层，不同层可同时跑实验（提高密度）；互斥域（domain）让相互干扰的实验互斥。
-
【AI 核心深度 M7-102】解释新颖效应（Novelty Effect）与首因效应（Explain the Novelty Effect versus the Primacy Effect in User Behavior and Experiment Interpretation）深度数理推导与工程落地解析
新颖效应：用户对新事物的好奇使短期指标虚高（长期回归）；首因效应：对变化的抵触使短期下降（长期回升）。
-
【AI 核心深度 M7-075】解释冷启动的’元学习与快速适配’（Explain Meta-Learning and Few-Shot Rapid Adaptation (MAML) for Cold-Start Recommendation）深度数理推导与工程落地解析
元学习’如何快速适配新任务/新用户’（MAML 风格）；用少量交互快速个性化，适合’多域/多用户’场景。
-
【AI 核心深度 M7-076】解释多目标优化的常见做法（Explain Methodologies for Multi-Objective Optimization in Recommendation and Search）深度数理推导与工程落地解析
加权和（简单）、乘法/排序公式（’都必须满足’）、约束优化（主目标 + 约束）、多任务模型 + 融合层。
-
【AI 核心深度 M7-077】解释为什么不能只看短期点击（Explain Why Optimizing Exclusively for Short-Term Clicks Leads to Platform Degradation）深度数理推导与工程落地解析
点击 ≠ 满意（标题党）；短期优化损害长期（用户流失、生态萎缩）；需护栏指标与长期实验。
-
【AI 核心深度 M7-078】解释多任务学习中的负迁移与缓解（Explain Negative Transfer in Multi-Task Learning and Architectural Remediation (MMoE, PLE, Gradient Surgery)）深度数理推导与工程落地解析
任务冲突时共享底层会’此消彼长’（负迁移）；缓解：MMoE/PLE（软共享）、梯度手术、任务相关性筛选。
-
【AI 核心深度 M7-079】解释业务约束在排序中的实现（Explain the Implementation of Business Rules and Operational Constraints in Search and Recommendation）深度数理推导与工程落地解析
硬约束（多样性/合规/库存）不适合放进排序模型；用’重排阶段的规则/约束优化’或’可微的约束层’实现。
-
【AI 核心深度 M7-080】解释帕累托最优与多目标权衡的可视化（Explain Pareto Optimality, the Pareto Frontier, and Multi-Objective Trade-Off Visualization）深度数理推导与工程落地解析
帕累托前沿是’无法在不损害一个目标的前提下改进另一个’的解集；用散点图/前沿曲线与业务方沟通取舍。