PEARL：面向工业级直播推荐的对比学习无偏分位数估计¶

Blake Gella, Wei Wu, Yuhao Yin, Zexi Huang, Zikai Wang, Emily Liu, Junlin Zhang, Wentao Guo, Qinglei Wang（TikTok / ByteDance，San Jose & Singapore），arXiv 2605.21752，2026-05-20。

研究动机与背景¶

行为强度失衡（Behavioral Intensity Imbalance）¶

现代推荐系统大量依赖用户的隐式交互信号（点击、观看时长、互动等）来优化用户参与度。然而这些信号在不同用户之间并不可比：不同用户的参与强度（engagement intensity）天然存在巨大差异。论文把由此产生的系统性失真命名为行为强度失衡（behavioral intensity imbalance）——一种源于异质参与模式的结构性偏差。

最直观的例子（论文反复使用的比喻）：一段 30 秒的观看时长，对一个每天刷直播的高活跃用户而言可能只代表中等兴趣（约 50 分位），而对一个低活跃用户而言却可能意味着极高的兴趣（约 99 分位）。如果模型直接拟合 watch-time 的绝对量级，那么：

• 观测到的反馈信号不再忠实反映用户的真实偏好；
• 模型会不成比例地放大高活跃用户的信号、淹没低活跃用户的信号，因为高活跃用户的样本量级大、梯度强，主导了共享 backbone 的优化方向；
• 最终在大规模平台上同时损害推荐质量和鲁棒性。

这一问题在直播（livestream）推荐场景里尤为尖锐：直播是连续型、时长可变的内容，watch-time 既是核心反馈又是核心业务目标；同时直播用户的活跃分层极端（从"过去一个月从未看过直播"的 non-live 用户，到"每天消费直播内容"的 high-active 用户都在同一个排序模型里）。

相关工作脉络¶

论文在 Related Work 中梳理了三条线：

1. 用户行为建模（User Action Modeling）：从早期协同过滤、矩阵分解，到 DNN/序列建模、Transformer，再到表征学习——这条线提升的是"如何刻画用户与物品交互"，但默认观测信号本身是可信的，没有处理信号的跨用户不可比性。
2. 建模偏差的刻画（Capturing Modeling Biases）：位置偏差（position bias）、选择偏差、流行度偏差等。已有方法多用反事实 / IPS / 倾向得分纠偏，关注的是物品侧或曝光侧偏差，而非"用户参与强度"这一用户侧的分布性偏差。
3. 直播推荐中的去偏（Debiasing in Livestream Recommendation）：直播的连续可变时长使 watch-time 偏差问题被放大。本文承接的最直接前作是 Relative Advantage Debiasing (RAD)（2025，short-video watch-time prediction，论文 [10]），并把它作为主要对比基线之一；PEARL 自述为"building upon relative advantage debiasing"，即在相对优势去偏的思路上更进一步。

PEARL 的核心主张：不要建模绝对参与量级，而要建模相对偏好信号——具体而言，把每个用户自身历史分布上的分位数（percentile / CDF rank）作为去偏后的、跨用户可比的偏好目标。

问题形式化与核心挑战¶

形式化定义¶

给定用户 $u$ 与物品 $i$ 的一次交互，输入特征向量记为 $x = [x_u, x_i, x_c] \in \mathcal{X}$，其中 $x_u, x_i, x_c$ 分别表示用户画像、物品元数据、上下文信号。目标是学习一个参数为 $\theta$ 的预测映射 $f: \mathcal{X} \to [0,1]$，使得预测分数 $\hat{p}$ 逼近用户特定的真分位数：

$$p = F_a(y) = P(Y_a \le y) \tag{1}$$

其中 $Y_a$ 是表示用户 $a$ 参与量级的随机变量，$F_a$ 是该用户历史 watch-time 的累积分布函数（CDF）。模型预测：

$$f(x; \theta) = \hat{p} \approx F_a(y) \tag{2}$$

优化目标是在特征-量级联合分布上最小化期望风险：

$$\theta^* = \arg\min_{\theta} \; \mathbb{E}_{(x,y)\sim \mathcal{D}} \big[\ell\big(f(x;\theta), F_a(y)\big)\big] \tag{3}$$

其中 $\ell(\cdot)$ 是 ranking-compatible 的损失。通过拟合分位数 $F_a(y)$ 而非原始量级 $y$，模型把异质的行为信号变换到一个标准化、无偏的偏好空间。

两大核心挑战¶

直接套用上述定义在工业系统里不可行，论文指出两个根本困难：

1. 分布追踪的系统性开销（Systematic Overhead of Distribution Tracking）：精确获取 $F_a(y)$ 需要为亿级用户维护精确的历史分布（存储成本），并在推理时执行实时排序操作来定位分位（计算延迟）——在毫秒级延迟约束下完全不可行。
2. 直接分位数回归的内在困难（Intrinsic Challenges in Direct Percentile Regression）：即便真分位数可得，直接用标准回归目标（MSE、Weighted Cross-Entropy）去拟合有界且非线性的 $p \in [0,1]$ 也很困难——这类损失在分位边界处行为不稳定，高分位区间的小误差会带来显著的 ranking 失真。

PEARL 的方案就是用对比学习绕开这两个困难：既不显式维护分布、也不直接回归分位，而是用真实的对比样本去隐式逼近分位关系。

核心方法：PEARL 框架¶

PEARL 的整体架构由两个核心组件构成（见 Figure 1）：(1) 一个 user-keyed reservoir pool（用户键控蓄水池，$N=50$），动态维护每个用户的无偏历史分布；(2) 一个 multi-sample comparator（多样本对比器），把模型预测与历史样本交叉比对，计算多样本对比损失 $\mathcal{L}_{\text{MBCE}}$，全程无需显式追踪分布。

下面按照"单样本 → 多样本 → 价值加权 → 自举 → 协同训练"的递进展开。

3.1 单样本对比学习（Single-Sample Contrastive Learning）¶

核心洞见：把连续的分位数回归问题，转化为一个二元对比问题，只需从用户历史里抽一个随机样本作为参照点。

对比标签构造：设当前训练样本（用户 $u$）的参与量级为 $y$（如 watch-time）。从该用户历史分布 $f_a(\cdot)$ 中抽一个历史参照值 $Y'$，定义二元指示函数作为对比目标：

$$\mathbb{1}(y > Y') = \begin{cases} 1, & \text{if } y > Y' \\ 0, & \text{otherwise} \end{cases} \tag{4}$$

Theorem 1（分位数的无偏估计）：设 $Y'$ 是服从密度 $f_a(\cdot)$ 的随机变量，对固定量级 $y$，二元指示的期望恰好是 CDF（即真分位数）：

$$\mathbb{E}_{Y'\sim f_a}\big[\mathbb{1}(y > Y')\big] = \int_0^y f_a(t)\,dt = \mathrm{CDF}_a(y) \tag{5}$$

证明：由指示变量的基本性质，期望等于事件 $\{Y' < y\}$ 的概率。由于 $y$ 是当前样本的固定实现、$Y'$ 是从用户历史分布抽样的随机变量：

$$\mathbb{E}_{Y'}\big[\mathbb{1}(y > Y')\big] = 1\cdot P(Y' < y) + 0\cdot P(Y' \ge y) = P(Y' < y) \tag{6}$$

再由连续随机变量 CDF 的定义：

$$P(Y' < y) = \int_0^y f_a(t)\,dt = \mathrm{CDF}_a(y) \tag{7}$$

这证明了对比信号的期望是真分位数的无偏估计——关键在于：模型从未见过 $F_a$，只需对"当前样本是否大于一个随机历史样本"做二分类，期望意义下就拟合了分位数。

单样本 BCE 损失：在预测分位 $\hat{p} = f(x;\theta)$ 与对比指示之间取 Binary Cross-Entropy：

$$\mathcal{L} = -\Big[\mathbb{1}(y > Y')\log(\hat{p}) + \big(1 - \mathbb{1}(y > Y')\big)\log(1 - \hat{p})\Big] \tag{8}$$

由于对比标签的期望即真分位（Theorem 1），最小化该目标可使 $\hat{p}$ 收敛到无偏分位数 $F_a(y)$。

局限：单样本虽理论无偏，但单一随机参照点引入了很大的训练方差，导致梯度噪声大、训练不稳定——这引出多样本策略。

3.2 多样本对比学习（Multi-Sample Contrastive Learning）¶

Theorem 2（方差的定量分析）：单对指示 $B = \mathbb{1}(y > Y')$ 是成功概率 $p = \mathrm{CDF}_a(y)$ 的 Bernoulli 变量，方差 $\mathrm{Var}(B) = p(1-p)$。为压制噪声，抽 $N$ 个独立历史参照 $\{Y'_1,\dots,Y'_N\}$ 构造多样本估计 $\bar{B} = \frac{1}{N}\sum_{j=1}^N \mathbb{1}(y > Y'_j)$。由 i.i.d. 性质，平均估计的方差为：

$$\mathrm{Var}(\bar{B}) = \frac{\mathrm{Var}(B)}{N} = \frac{p(1-p)}{N} \tag{9}$$

生产系统取 $N=50$，即获得 50 倍的方差缩减，提供更平滑的梯度面，使模型能从噪声流式数据中学到细粒度排序信号。

多样本 BCE 损失（MBCE）：把损失定义为对整个对比池的期望：

$$\mathcal{L} = \frac{1}{N}\sum_{j=1}^{N}\Big[-B_j\log(\hat{p}) + (1 - B_j)\log(1 - \hat{p})\Big],\quad B_j = \mathbb{1}(y > Y'_j) \tag{10}$$

由 BCE 关于标签的线性性，这等价于一个使用软标签 $\bar{p} = \frac{1}{N}\sum_{j=1}^N B_j$ 的单个 BCE：

$$\mathcal{L} = -\bar{p}\log(\hat{p}) + (1 - \bar{p})\log(1 - \hat{p}) \tag{11}$$

由一阶最优性条件 $\partial \mathcal{L}/\partial \hat{p} = 0$，全局最优仍为 $\hat{p}^* = \bar{p}$，即当前对比池的经验分位数。因此 MBCE 在稳定训练的同时收敛到目标分位水平。

3.3 价值加权对比学习（Value-Weighted Contrastive Learning）¶

纯分位数只刻画"序"，丢失了量级本身的"价值贡献"。为捕捉累积价值贡献，论文给每个历史参照 $Y'_j$ 的量级作为权重，定义价值加权 BCE（VWBCE）：

$$\mathcal{L}_{vw} = \frac{1}{\sum_{j=1}^{N} Y'_j}\sum_{j=1}^{N} Y'_j \cdot\Big[-\mathbb{1}(y > Y'_j)\log(\hat{p}) - \big(1 - \mathbb{1}(y > Y'_j)\big)\log(1 - \hat{p})\Big] \tag{12}$$

同样由线性性等价于使用价值加权软标签 $\bar{p}_{vw}$ 的单个 BCE：

$$\mathcal{L}_{vw} = -\bar{p}_{vw}\log(\hat{p}) - (1 - \bar{p}_{vw})\log(1 - \hat{p}) \tag{13}$$

其中价值加权经验标签定义为 $\bar{p}_{vw} = \dfrac{\sum_{j=1}^{N} Y'_j\,\mathbb{1}(y > Y'_j)}{\sum_{j=1}^{N} Y'_j}$。这使最优 $\hat{p}^*$ 不再是简单的计数分位，而是"量级小于 $y$ 的交互所贡献的总价值占比"。

Theorem 3（全局最优为部分期望比）：VWBCE 的唯一最优预测超越标准 CDF，对应部分期望比（Partial Expectation Ratio）：

$$\hat{p}^* = \frac{\int_0^y t\, f_a(t)\,dt}{\int_0^\infty t\, f_a(t)\,dt} \tag{14}$$

证明（概要）：最小化期望损失 $\mathbb{E}[\mathcal{L}_{vw}]$，对 $\hat{p}$ 的一阶最优条件给出部分期望与全局期望之比——即量级不超过 $y$ 的所有样本所贡献的总量级占比。由此模型把序（ordinal ranking）与绝对量级贡献统一进单一目标，提供了一个兼顾参与度与价值的统一度量。

3.4 自举对比学习（Bootstrapped Contrastive Learning）¶

前述范式假设目标分布相对连续。但工业系统中许多关键信号——打赏（gifting）、分享、负反馈——是高度稀疏且离散的（常为 0/1）。此时分位数估计面临两个根本困难：

• 排序分辨率坍塌（Loss of Ranking Resolution）：对二值信号，指示函数 $\mathbb{1}(y > Y')$ 退化为阶跃——负交互 ($y=0$) 永远映射到 0 分位，正交互 ($y=1$) 永远 100 分位。这种"全有或全无"的监督无法区分相同二值标签下用户偏好的细粒度差异。
• 经验分布退化（Empirical Distribution Degeneracy）：标签稀疏导致 $N=50$ 的历史队列对稀有事件常常全是负样本（如 50 个 0），对比目标恒为 0，梯度消失或不稳，模型学不到有意义的排序边界。

解法——基于预测的自举：不对比原始二值标签，而是引入一个连续先验预测来重定义分位。设 $\hat{Y}'$ 是预测当前样本期望量级 $\hat{y}$ 的先验回归模型。把 $\hat{y}$ 与历史样本的先验预测 $\hat{Y}'_j$ 对比，并复用 §3.2 的多样本方差缩减：

$$\bar{p}_{boot} = \frac{1}{N}\sum_{j=1}^{N}\mathbb{1}(\hat{y} > \hat{Y}'_j) \tag{15}$$

其中 $\hat{Y}'_j$ 是队列中历史样本的连续预测值。通过在预测空间（而非原始标签空间）里算分位，把离散的二值比较变成连续可微的概率密度。即便真标签相同（如多个零奖励样本），其先验预测 $\hat{y}$ 仍能反映潜在兴趣的细粒度差异。$\bar{p}_{boot}$ 在 MBCE 损失（式 11）中替换 $\bar{p}$，专用于离散目标。

3.5 分位数协同训练（Percentile Co-Training）¶

PEARL 通过相对排序有效缓解用户侧偏差，但很多工业排序系统仍不可或缺地需要预测绝对量级——因为业务逻辑里预测值直接对应经济效用或收入。

为什么绝对量级重要：典型例子是基于 eCPM 的广告定价系统，排序分 = 预测交互率 × 绝对出价量级；scale-agnostic 模型能判断哪个广告更可能被点，但给不出竞价结算所需的标定美元价值。类似地，直播打赏 / 电商里，一笔 $100 交易本质上比 $1 交易更有价值，即便在各自用户历史里相对排名相同。因此维持绝对尺度标定对价值驱动任务是必需的。

协同训练的联合优化：把 PEARL 作为去偏排序正则项，与既有回归目标联合：

$$\mathcal{L}_{total} = \mathcal{L}_{orig}(\hat{y}, y) + \lambda \cdot \mathcal{L}_{PEARL}(\hat{p}, \bar{p}, \mathcal{P}_u) \tag{16}$$

其中：

• $\mathcal{L}_{orig}(\hat{y})$ 保证模型在绝对尺度上的标定，最小化预测量级 $\hat{y} = f_{orig}(x;\theta)$ 与真值 $y$ 的误差；
• $\mathcal{L}_{PEARL}(\hat{p}, \bar{p}, \mathcal{P}_u)$ 作为排序正则，基于当前标签 $y$ 与用户历史对比池 $\mathcal{P}_u = \{Y'_j\}_{j=1}^N$ 优化预测分位 $\hat{p} = f_{pct}(x;\theta)$。

推理时主要服务预测的绝对量级 $\hat{y}$，但模型已从双头训练中获得了去偏表征。协同收益：

• 用户级序一致性（User-level Ordinal Consistency）：强制共享 backbone 在每个用户自身分布内捕捉相对偏好，防止被高活跃用户的梯度主导，显著提升 intra-user 排序稳定性；
• 尺度标定（Scale Calibration）：回归目标把输出锚定在物理量纲，保证最终分数是收入估计与竞价结算所需的标定量级。

工业落地：十亿级系统实现（§3.7）¶

在十亿用户、毫秒级延迟约束下部署 PEARL，论文聚焦两个工程挑战：高效状态管理 + 自适应梯度门控。

In-graph Reservoir Sampling（计算图内蓄水池采样）¶

为与 i.i.d. 采样假设（Theorem 1）保持数学一致、同时适配用户兴趣漂移，PEARL 把对比池 $\mathcal{P}_u$ 用蓄水池采样（Reservoir Sampling）实现在计算图内。Parameter Server (PS) 为每个用户存两份图内状态：(1) 大小 $N=50$ 的对比池 $\mathcal{P}_u$，存用户历史参与的真实量级；(2) 计数器 $M_u$，记录该用户已处理的流式交互总数。

当前交互（量级 $y$）到达时，状态更新：

$$M_u \leftarrow M_u + 1 \tag{17}$$

• 若 $M_u \le N$：直接把 $y$ 顺序追加进 $\mathcal{P}_u$；
• 若 $M_u > N$：以门控概率 $P = N / M_u$ 接受 $y$；若接受则随机覆盖池内一个槽位，否则丢弃。

这一经典图内流式执行保证任意时刻 $\mathcal{P}_u$ 都维持用户整个历史分布的均匀随机样本，且检索延迟近零、内存占用极小。

Gradient Gating（梯度门控，训练稳定性）¶

经验分位 $\hat{p}$ 的统计可靠性对蓄水池内的样本密度敏感。为抑制稀疏历史状态带来的高方差更新，论文设触发阈值 $\tau = 10$：仅当某样本的对比池已积累足够统计支持（即 $M_u \ge \tau$）时，它才贡献排序头的梯度更新；不满足阈值的样本完全跳过排序头优化。该选择性更新机制防止欠采样用户的噪声经验信号污染共享 backbone，保证十亿级流式环境下的稳定收敛。

实验设置¶

数据集与指标¶

工业流式数据集，取自论文所属工业推荐系统的排序阶段。统计如下：

评估指标：

• UAUC（User-Averaged AUC）：对每个用户分别算 AUC 再跨用户平均。与全局 AUC 不同，UAUC 考虑了用户行为强度，给出用户公平的个性化排序质量度量——这正是 PEARL 去偏目标对齐的指标。
• RegAUC / CRegAUC（Five-Group Averaged Regression AUC）：用于回归目标，使回归任务与排序任务可比。沿用 [17] 的定义，Regression AUC 为：在均匀采样的物品对中，预测 watch-time 值能保持真值序关系的比例。

基线与训练设置¶

基线（均基于现代排序架构 [19] 作共享 backbone，各任务用独立 MLP tower 适配不同目标）：

• Original：直接拟合原始目标的部署模型；
• CQE（Conditional Quantile Estimation）[20]：条件分位数估计；
• RAD（Relative Advantage Debiasing）[10]：相对优势去偏（本文最直接的前作思路）。

训练超参：优化器 RMSProp V2，学习率 0.0015，动量 0.999999，初始化因子 1.0。所有结果都以相对值报告，因生产环境敏感不便给绝对值。

主要实验结果¶

离线结果：watch-time 目标（Table 2）¶

分析：PEARL 取得最高 UAUC 0.648，优于原始部署模型（0.641）。值得注意的是，两个去偏基线 CQE (0.615) 与 RAD (0.625) 反而低于 Original——论文解释：CQE/RAD 这类去偏在"高活跃用户"上有效，却以牺牲低活跃用户为代价，或引入了与原始目标不一致的偏移；而 PEARL 在去偏的同时不损失全局排序质量。这说明朴素去偏可能"按下葫芦浮起瓢"，PEARL 的无偏分位 + 协同训练设计才真正实现净增益。

多目标离线结果（Table 3）¶

PEARL 在多个目标（二分类与回归）上的 UAUC 改进；协同训练变体报告的是"带协同训练后原始目标"的表现：

分析：(1) 稀疏离散目标收益最大——Interaction (+6.93%) 与 Report (+4.96%) 验证了自举对比（§3.4）对稀疏信号的价值；(2) Long-term Watch Time 在协同训练下 +16.1% 是最大涨幅，说明把去偏分位作为正则项对长期目标的排序质量提升尤其显著；(3) Session Watch Time / Consumption 改进较小（< 1%），论文归因：Consumption 标签虽全局稀疏，但其正样本集中在特定用户子群内、在该群内形成高密度分布，个性化去偏的边际收益较低。每个目标都用了最匹配其分布特性的 PEARL 变体，体现了框架的灵活性。

去偏效果的核心证据：分用户活跃度的 UAUC（Figure 2）¶

这张图最直观地揭示了 PEARL 的去偏机制。横轴为用户活跃度（Non-Live → Low Active → Medium Active → High Active），纵轴 UAUC：

分析：原始模型在非活跃用户上几乎等于随机（0.501）、在高活跃用户上表现最好（0.652）——这正是"行为强度失衡"的实证：模型被高活跃用户主导，对低活跃用户几乎无个性化能力。PEARL 把这条曲线完全翻转：非活跃用户 UAUC 飙到 0.794，低活跃 0.698，而高活跃用户略降到 0.574。两条曲线在 medium-active 附近交叉。

这说明 PEARL 本质上是在把模型质量从"被过度服务的高活跃用户"重新分配给"被忽视的低活跃用户"。由于平台上低活跃 / 非活跃用户占多数，整体净 UAUC 仍为正增益（Table 2 的 0.641→0.648）。这是一个关于"公平性 vs 整体指标"的漂亮 trade-off：牺牲头部用户的少量排序精度，换取长尾用户的大幅提升和更健康的生态。

在线 A/B 实验（Table 4）¶

多组 week-long 在线 A/B，把生产目标预测替换为 PEARL 去偏版本，部署到多个直播推荐场景：

分析：

• 摘要里汇总的 +2.10% Watch Duration 实为三个部署在 Watch Duration 上增益之和（0.665 + 1.222 + 0.232 ≈ 2.119%）；+0.80% Consumption Amount 对应 +0.796%；+1.49% Interaction Rate 对应 +1.494%。
• Report Rate −6.911% 看似负数，实则是重大改善——举报率下降意味着用户负反馈减少，摘要把它表述为 "+6.91% Report Rate" 的正向改进。Report 目标用的是自举对比（§3.4），印证了 PEARL 对稀疏负反馈信号去偏的实战价值。
• Long-term Watch Time 增益（+1.165%/+1.222%）显著高于 Session Watch Time（+0.608%/+0.665%），与离线 Table 3 中 Long-term +16.1% 的趋势一致：去偏对长期目标的杠杆最大。

核心贡献总结¶

1. 问题命名与刻画：把推荐中跨用户的参与强度差异系统化为 "behavioral intensity imbalance"，并用 Figure 2 实证原始模型在非活跃用户上近乎随机。
2. 无偏分位估计的对比学习框架：Theorem 1 证明"是否大于一个随机历史样本"的二元指示，其期望恰为真分位数 CDF——从而无需显式维护用户分布、无需直接回归分位、无需辅助分布模型或分阶段管线，单一 BCE 即可隐式逼近无偏分位。
3. 系统化的方法族：单样本 → 多样本方差缩减（Theorem 2，$N=50$ 降方差 50×）→ 价值加权（Theorem 3，最优解为部分期望比，统一序与量级）→ 自举（解稀疏离散目标）→ 协同训练（保绝对尺度标定）。
4. 十亿级工程实现：图内蓄水池采样（$N=50$，近零延迟均匀历史采样）+ 梯度门控（$\tau=10$，防欠采样用户噪声污染 backbone）。
5. 真实业务收益：十亿用户直播平台多场景在线 A/B，+2.10% Watch Duration、+0.80% Consumption Amount、+1.49% Interaction Rate、举报率改善 6.91%。

与已归档相关工作的对比¶

DADF DADF: A Distribution-Aware Debiasing Framework for Watch-Time Regression（Kuaishou，2026-05-18）¶

关系：独立并发（PEARL 发表于 2026-05-20，仅晚 2 天，未引用 DADF，两者殊途同归）· 已加载对方精读

• 共同关注的问题：两篇都直击工业短视频 / 直播推荐中 watch-time 作为训练目标本身不可比、被系统性分布偏差污染这一 root cause——观测/预测的 watch-time 在某个分组维度上系统性失真，而全局聚合统计会掩盖局部的逐组偏差。DADF 把这种"宏观看似标定良好、局部却系统性高估短观看/低估长观看"的现象命名为 pseudo-balance（伪标定）；PEARL 把"高活跃用户主导、低活跃用户被淹没"命名为 behavioral intensity imbalance。两者都在论证：直接拟合 watch-time 绝对量级会学到偏的信号。
• 相近的技术骨架：两者抽象流程图高度重合——沿某个分组变量把 watch-time 目标变换到一个组内归一化 / 分位化的空间，以消除系统性分布偏移。DADF 按 video duration 分 $K$ 组、用 group-specific Box–Cox 把长尾乘性校正因子压成近对称分布；PEARL 按用户分组（每用户 CDF）、用对比指示把 watch-time 映成 [0,1] 分位。二者都依赖"组内分布"这一概念，且都用类 CDF / 分位的变换抹平组间差异。
• 本文（PEARL）的差异与推进：(1) 分组轴不同——DADF 沿物品侧 video duration（治的是经典 duration bias：长视频天然观看更久），PEARL 沿用户侧活跃度 / 用户身份（治的是 behavioral intensity bias：高活跃用户量级整体偏大）。这是两种不同的偏差源。(2) 机制不同——DADF 是冻结首阶段预测器之上的事后（post-hoc）乘性残差校正（参数化 Box–Cox + 硬专家路由），PEARL 是端到端地用非参数对比分位估计直接替换 / 正则化目标（无任何分布模型）。(3) 服务对象——DADF 仍输出校正后的 watch-time 量级 $\hat{y}=\hat{y}_0\cdot\hat{b}$；PEARL 可服务分位（排序）或经协同训练服务标定后的量级。(4) 理论锚点不同——DADF 证"比值因子继承长尾⇒需 Box–Cox"，PEARL 证"对比指示期望=CDF⇒无偏分位"。
• 可比的方法 / 实验差异：两篇都是 2026-05 的工业落地（Kuaishou vs ByteDance/TikTok），都报告在线时长类指标正收益（DADF +0.347% time-spent-per-device；PEARL +2.10% Watch Duration）。最大互补点：DADF 是"低成本、不动首阶段模型"的插件式残差修正，适合不能替换线上预测器的场景；PEARL 需要把对比分位作为目标 / 正则嵌入训练并维护图内蓄水池，改造更深但去偏更彻底（Figure 2 显示对长尾用户的提升极大）。若把 DADF 的"duration 分组 + Box–Cox"与 PEARL 的"用户分组 + 对比分位"并置，几乎可以拼出一张完整的"watch-time 分布去偏"设计空间图：分组轴（物品 duration / 用户活跃）× 机制（参数化事后校正 / 非参数端到端对比）。

讨论与局限性¶

值得借鉴的设计：

• 用"是否大于随机历史样本"的对比指示无偏逼近分位（Theorem 1）是非常优雅的工程化技巧——把"需要全局分布信息"的分位估计，降维成"只需一次/几次本地随机抽样"的二分类，彻底绕开了存储与排序延迟。这一思想可迁移到任何需要"个性化相对化目标"的场景。
• 蓄水池采样放进计算图内，用 PS 维护 $(\mathcal{P}_u, M_u)$ 两个状态，是把流式无偏采样与训练管线无缝融合的实用范式。
• 方法族按目标分布特性分工（连续→多样本/价值加权；离散稀疏→自举；需绝对值→协同训练），而非一招打天下，体现了对工业多目标系统的成熟理解。

局限与可商榷处：

• 评估透明度有限：仅一个内部工业数据集、所有数值都是相对值、无公开 benchmark、无方差/置信区间、无显著性检验，外部可复现性弱。
• 消融不够细：论文没有系统的消融把"多样本 vs 单样本""价值加权 vs 计数分位""梯度门控 $\tau$""池大小 $N$"逐项拆开做敏感性分析；$N=50$、$\tau=10$、$\lambda$ 的选择仅给结论未给扫描曲线。
• 头部用户的退化是真实代价：Figure 2 显示高活跃用户 UAUC 从 0.652 降到 0.574，是不小的下降。论文用"长尾用户占多数所以整体为正"来辩护，但对以高活跃用户为主要变现来源的业务，这一 trade-off 需要谨慎评估；协同训练（保留绝对量级头）部分缓解了这一点。
• 价值加权与协同训练的耦合：VWBCE 的"部分期望比"目标（Theorem 3）与协同训练的绝对量级头之间是否存在目标冲突 / 梯度打架，论文未深入讨论。
• 冷启动用户：梯度门控 $\tau=10$ 意味着交互数 < 10 的新用户完全不进排序头优化，这部分用户如何兜底（是否回退到原始目标）论文未明确。

工业落地价值：PEARL 是一套已在十亿级直播平台多场景验证的去偏方案，核心卖点是"无需替换分布模型、无需分阶段管线、单 BCE 隐式无偏分位"，工程改造集中在图内蓄水池与目标层，对已有排序架构侵入相对可控；其对长尾用户体验与负反馈（举报率）的改善，对平台长期生态健康有明确意义。