信息流产品经过多年的发展，从最初以 CTR 为主的单一优化目标逐渐演化成 CTR、用户时长、产品生态并重的多目标优化。为了助推产品指标的提升，推荐系统需要具备快速接入新推荐场景，加入新优化目标，并在优化目标中进行 AB 实验的能力。 顺应以上的需求和 MLOps 的发展趋势，我们发展出了一套较通用的排序框架，这套系统支持了实时样本能力跨业务复用、插件化多目标定义，进而提高多目标时代推荐系统的迭代效率。 目前已经应用到业务多个推荐场景的 Baseline 模型，并在每个场景都取得了显著的指标提升。 

演讲提纲：

1. 业务挑战
   • 系统实时性
   • 算法迭代效率
   • 能力复用问题
   • 高并发下系统性能
2. 多目标迭代架构实践
   • 看点推荐架构简介
     • 数据层
     • 服务层
     • 业务层
   • 多目标迭代实践
     • 多目标迭代要素
     • 特征中心
     • 实时样本组件
     • 模型训练和在线预估

• 你将获得: 
• 了解信息流推荐系统实践 
• 了解多目标算法迭代架构的实战经验 

本次演讲主要介绍小红书推荐中台如何帮助业务同学快速启动一个推荐系统。业务同学只需要通过配置就可以创建一个最小可运行的推荐系统，包括召回，排序，推荐历史等微服务。业务同学可以按需要对这个最小的系统进行扩展，比如可以引入新的排序模型，或新的召回渠道；不同业务的特征统一管理，不需要在各个业务重复开发等。目前，小红书的推荐中台已经接入除主页推荐之外的多个推荐场景。

演讲提纲：

1. 小红书推荐中台介绍
   • 小红书为什么要做推荐中台 
   • 小红书推荐中台基本架构
   • 小红书推荐中台在创新业务及主端业务的实践   
2. 通用推荐中台的实现方式
   • 业界推荐中台的实现方式
   • 推荐逻辑配置化/图化实现积木拼搭
     • 推荐逻辑单元抽象
     • 特征计算及管理抽象
   • SaaS 化 web 拖拽式实现新业务推荐逻辑快速上线
3. 小红书推荐中台核心实现
   • 在线业务逻辑配置化开发框架/图化开发框架
   • 业务协议及数据协议的标准化
   • 统一的特征开发及管理系统实现
4. 小红书推荐中台收益
   • 业务研发效率提升
   • 技术收益
5. 其他

你将获得：

1. 了解快速创建一个新的推荐系统
2. 了解如何做不同推荐业务之间的特征开发共享
3. 了解如何实现推荐中台以及需要解决的问题
    

工业级推荐系统面临严重的偏置挑战，如位置偏置、展示偏置、流行度偏置等。基于有偏的数据学习到的模型也是有偏的，有偏的模型将生成有偏的推荐结果，伤害用户体验和平台收益。如何有效地缓解推荐系统中的偏置问题成为亟待解决的问题。近年来因果启发的机器学习技术得到业界越来越多的关注，特别是在推荐系统和信息检索领域。一些先驱性的工作开始探索了如何应用因果技术缓解推荐的偏置问题并解释推荐结果。

在这个演讲中，我们将讨论因果启发的推荐系统，首先介绍推荐系统中的偏置问题，及其如何影响用户体验和平台收益，并重点介绍四类工业界实用的因果干预、反事实学习的纠偏方法，最后强调因果启发的推荐系统是新兴的研究领域，值得业界同仁的关注，并介绍相关参考文献和讨论未来的研究方向。

演讲提纲：

1. 简介
   • 推荐系统中的偏置问题
   • 真实推荐系统产品的中偏置场景
   • 因果推断三个层次
2. 基于反事实学习的推荐系统
   • 回顾面向关联关系建模的推荐算法及挑战
   • 反事实学习推荐算法体系介绍
   • 反事实学习算法工程实现及落地经验
3. 因果干预推荐算法架构
   • 因果推断中的干预技术
   • 推荐系统中的因果干预算法体系介绍
   • 因果干预算法解决bias问题的工程实现及落地经验
4. 因果启发的推荐系统架构
   • 内容分发场景的架构痛点
   • 因果学习算法基础架构建设
   • 算法架构实现和落地过程中的问题和经验

你将获得：

1. 了解因果启发机器学习的基本概念方法
2. 了解面向工业界的因果启发推荐系统原理方法
3. 激发大家对推荐系统偏置问题的思考

随着 QQ 音乐拥有了越来越多的用户和音乐创作者，如何通过内容分发的方式平衡用户、音乐创作者以及平台之间的关系成为一个越来越重要的问题。

我们从 QQ 音乐产品形态以及生态系统平衡的角度出发，阐述如何通过多个流量分发入口进行内容分发，并介绍相关推荐算法体系和内容运营中台体系的建设。而在构建流量分发体系的过程中，如何通过统一的算法架构，有效地服务于多个算法入口，也是算法架构建设中的难题，本次演讲也将从服务框架、数据平台、算法平台等方面进行介绍。

演讲提纲：

1. QQ 音乐内容分发生态概览
   • QQ 音乐产品形态及流量入口设计
   • 生态体系指标建设
   • 开放平台与流量扶持
2. 推荐场景算法体系建设介绍
   • QQ 音乐推荐场景的复杂性和难点
   • 常见推荐场景流量分发模式对比
   • 推荐算法体系介绍
   • 内容运营中台介绍
   • 算法体系实践经验
3. 算法架构实现
   • QQ 音乐流量分发架构痛点
   • 服务基础框架建设
   • 数据平台建设
   • 机器学习平台建设
   • 算法架构实现和落地过程中的问题和经验

你将获得：

1. 了解音乐流量分发中如何构建健康的生态体系
2. 了解 QQ 音乐流量分发中的算法体系设计
3. 了解 QQ 音乐流量分发中台架构的难点、解决方案和技术选型