上一篇拆了推荐 Feed 的架构，这篇换个讲法：造一个用户，给他一晚上的真实行为数据，从《数学之美》的余弦定理出发，经过 Netflix 的三层分工和 TikTok 的工程极致，跟着他走完召回、粗排、精排、重排四层漏斗——每一步输入什么、输出什么、分数怎么变。

拆解微博、X 式推荐流背后的完整架构：用户偏好如何用交互矩阵和 embedding 算出来，召回/粗排/精排/重排四层漏斗各自的技术路径与离线在线分工（主力是十年前的深度学习栈，不是大模型），无限下拉靠游标分页、已曝光去重和候选池分层兜底。

Netflix 技术博客 MAPS 一文的学习笔记：素材个性化（海报、视频预览）长期受困于冷启动——新素材没有交互历史，模型把它当成不透明 ID，只能靠探索流量和人气启发式硬扛；解法是把 CLIP、MediaFM 等多模态向量直接拼进素材表示，让模型「看见听见」素材内容，偏好沿向量空间即时迁移；由此五个画布模型合并为一个，配合长期奖励加权和 IPS 离线评估，消融实验显示两个成分缺一不可（V3 在 short-panel 上提升 5.691%）；视频侧 MediaFM 以 8000 万镜头训练、融合视觉音频文本三模态，排序 MediaFM ＞ SeqCLIP ＞ 纯 ID；另有线性探针代理任务低成本筛选向量、Embedding Store 解耦地基模型与下游上线。对工程师的启示：内容特征不工作时先找第二个阻塞因子，评估体系的纯度比模型更重要。

Netflix 技术博客原文研读：GenRec 是一个用 LLM 做推荐排序的系统——把用户历史、上下文、物品元数据全部文本化（verbalize），在 Netflix 自有语料上适配的基座 LLM 上再做排序后训练，挂一个目录感知打分头，用奖励加权损失对齐长期价值，线上 prefill-only 推理控成本。结果是：Phase-2 标注样本少用 10-40 倍，离线 MRR 反而高约 1.6%，大规模 A/B 测试短期和长期指标均显著为正。它的真正信号是：推荐系统的工程重心正在从特征工程转向上下文工程。

Netflix 技术博客的 GenPage 论文解读：把首页构建从「多级召回排序流水线」改写成「prompt 进、页面出」的序列生成问题——用户历史与请求上下文编码为自定义 token 序列作 prompt，decoder-only transformer 自回归生成含行、实体、布局的整个首页；训练照搬 LLM 配方（next-token 预训练 + WBC 或 RL 后训练），上线靠自定义 tokenizer、语义 embedding 融合解决冷启动、多节奏增量训练保鲜、约束解码执行业务规则、混合行解码压延迟。线上 A/B 对成熟多级系统核心指标显著提升且端到端延迟降 20%；离线最有价值的结论是：在当前阶段，丰富 prompt 的收益（WBC loss 降约 6.9%）远大于模型扩容 7.5 倍（降约 1.3%），且 RL 后训练在不含多样性目标的情况下反而提升了页面多样性。

Netflix 技术博客 2026 年 3 月的文章，讲 Ranker 推荐服务里一个占单节点 CPU 7.5% 的热点（视频惊喜度打分的余弦相似度计算）如何被一步步优化到 1%：先把 M×N 次独立点积重构成矩阵乘，发现批处理反而慢了 5%，定位到内存布局和分配策略问题后用扁平数组加 ThreadLocal 复用解决，试过 BLAS 因 F2J 和 JNI 开销放弃，最终落在孵化中的 JDK Vector API（纯 Java SIMD，无 JNI），上线后整体 CPU 降约 7%、平均延迟降约 12%、CPU/RPS 改善约 10%。核心启示：性能优化拼的不是找到“最快的库”，而是计算形状、内存布局、分配策略、计算内核四件事全部对齐。