技术摘要：贝叶斯理性搜索引擎用户

问题陈述

本文探讨了用户与排序搜索结果列表（例如搜索引擎结果页 SERP）交互时的决策过程。核心问题是在不确定性下的最优停止问题。用户面对一个按相关性噪声代理（系统评分）排序的列表，但不知道项目的真实相关性，也不知道页面底层的质量分布。

用户必须依次决定是：

1. 检查列表中的下一个项目，承担固定成本 $c$（时间/注意力）以揭示其真实的潜在相关性 $x_i$。
2. 停止并选择目前为止发现的最佳项目（或外部选项 $x_b$）。

关键在于，用户进行贝叶斯学习：每次检查具有双重目的。它揭示了一个候选项目（可能提高已发现相关性的运行最大值），并更新用户对页面底层平均相关性 $\mu$ 的后验信念。这种学习渠道将该问题与分布已知的经典顺序搜索模型区分开来。

方法论与模型设置

1. 概率框架

作者采用高斯共轭设定以实现分析上的可处理性：

• 潜在相关性：项目 $x_i$ 服从正态分布 $N(\mu, \sigma_x^2)$，其中 $\mu$ 是未知的页面均值，先验为 $\mu \sim N(m_0, v_0)$。
• 排序信号：系统基于噪声信号 $z_i = x_i + e_i$ 对项目进行排序，其中 $e_i \sim N(0, \sigma_e^2)$。
• 排名到分位数的简化：为避免复杂的顺序统计量，模型假设排名 $i$ 对应信号分布的一个固定分位数。这为排名 $i$ 处项目的预期相关性引入了一个确定的、特定于排名的偏移量 $\alpha_i$。
• 检查：检查一个项目会揭示 $x_i$。用户利用偏差校正后的观测值 $(x_i - \alpha_i)$ 更新其对 $\mu$ 的后验信念。

2. 最优策略推导

本文利用动态规划（贝尔曼方程）推导最优策略：

• 线性遍历：作者证明，在高斯假设下，按排名顺序（从上到下）检查项目是最优的。这将组合搜索问题简化为一维最优停止问题。
• 状态简化：决策的充分状态被简化为单个标量：领先优势 $L_t = M_t - m_t$，其中 $M_t$ 是迄今为止发现的最佳相关性（包括外部选项），$m_t$ 是页面质量的当前后验均值。
• 突出规则：最优策略是一个突出规则。当且仅当领先优势超过一个确定的、深度相关的阈值时，用户才会在时刻 $t$ 停止：
  $$L_t \geq \alpha_{t+1} + \kappa^*_t$$
  其中，$\alpha_{t+1}$ 是下一个项目的预期排名偏移量，$\kappa^*_t$ 是反映进一步学习价值和检查成本的期权价值溢价。

3. 动态与似然构建

• 领先链：领先优势 $L_t$ 的演化被建模为具有闭式转移密度的一维马尔可夫链。这使得可以递归计算检查深度的完整分布。
• 生存多面体：本文在潜在相关性空间中构建了一个“生存区域”。达到深度 $t$ 意味着已检查的相关性序列 $(x_1, \dots, x_{t-1})$ 满足由用户保留规则导出的一组线性不等式（一个多面体）。
• 学习排序似然：作者构建了一个用于训练相关性模型的似然函数。观察到特定深度（和转化）的概率是潜在相关性路径位于相应生存多面体内的概率（高斯概率）。该似然函数关于模型参数 $\beta$ 是可微的。

主要贡献与结果

1. 用户行为的结构特征

• 突出规则：本文确立了理性用户在其最佳发现“显著”高于其对页面平均质量的当前预期时停止。
• 单次点击会话的三种机制：该模型将单次点击会话（用户在第一个项目后停止）的现象分解为三种截然不同但在经验上无法区分的机制：
  • 信任机制：用户基于对排序器的先验信任，预期顶部项目足够好；停止决定是在检查之前做出的。
  • 承诺分支：第一个项目异常好，使得进一步搜索变得浪费。
  • 止损分支：第一个项目令人非常失望，以至于用户得出结论认为整个列表都很差，从而退回到外部选项。

2. 排序器质量的“赢家诅咒”

本文识别出一种反直觉的均衡效应：随着排序器变得更准确（更可靠），平台接收到的深度观察反而更少。

• 高度可靠的排序器会以高概率将最佳项目置于顶部。
• 这会触发信任机制（用户立即停止）或承诺分支（用户立即发现赢家）。
• 因此，系统“缺乏”来自较低排名项目的数据，使得难以审计错误、检测反事实改进或在接近失败的项目上重新训练模型。这是理性停止的均衡后果，而非有偏的日志记录。

3. A/B 测试中的短期与长期分歧

该模型预测，关于检查深度的短期 A/B 测试结果可能与长期稳态效应相矛盾：

• 短期：当相关性提升发生时，用户尚未更新其先验。微小的改进可能将第一个项目推入“承诺”分支，导致用户比之前更早停止（会话更短），尽管页面质量已提高。
• 长期：一旦用户了解到新的更高质量，“惊喜”渠道就会消失。外部选项变得相对更差，导致用户进行更深入的检查。
• 启示：将短期深度指标作为用户满意度的代理，可能导致错误的决策（例如，因为某项有益的改变最初缩短了会话而拒绝它）。

4. 新颖的学习排序似然

本文提出了一种新的训练目标，绕过了传统的排名偏差校正方法（如逆倾向评分）：

• 多面体识别：模型不再将未点击的项目视为二元负样本，而是将观察到的深度视为潜在相关性路径位于特定多面体内的约束。
• 可微目标：该似然是该多面体的高斯概率，它是基于特征的相关性预测器 $F(\beta; w)$ 的可微函数。
• 优势：这种方法不需要明确的相关性标签、不需要行为检查模型，也不需要逆倾向加权。它自然地处理了数据的截断性质。

意义与主张

本文声称提供了用户浏览行为的第一性原理推导，超越了启发式假设（如级联模型），转向贝叶斯理性框架。

• 理论统一：它统一了顺序搜索、贝叶斯学习和最优停止，表明在指定条件下，线性遍历是理性的定理，而非假设。
• 可解释性：它为为什么标准隐式反馈信号（点击、深度）具有歧义性提供了结构解释。单一的深度测量既可能对应于满意的用户（找到了赢家），也可能对应于失望的用户（止损）。本文认为，转化事件是区分这些机制所必需的辅助信号。
• 方法论转变：它挑战了工业界根据估计倾向重新加权点击的标准做法。相反，它提出了一种直接的似然方法，其中“倾向”是从用户的最优停止规则和生存多面体中内生推导出来的。
• 实际影响：它警告说，改进排序器可能会悖论性地减少可用于进一步改进的数据（赢家诅咒），并告诫不要将短期 A/B 测试深度指标解读为稳态满意度信号。

本文结论认为，其框架为学习排序提供了一个严谨的、可微的基础，明确考虑了用户的学习过程和搜索日志的截断性质。