Hacker推荐系统学到的偏好，有多少是上一次推荐塑造的？
一次点击既是对眼前内容的反应，也受之前看见哪些选项影响。从消失的帖子到主动迎合指标的创作者，追踪这次点击怎样进入下一轮推荐。
本文的问题 · 12
没有机会出现的一条链接，零点击是什么意思？
Pariser 回忆，他常点自由派朋友的链接，后来保守派朋友从动态里消失了。想象两条新闻，昨天各展示十次，今天平台只再给其中一条十次展示。另一条今天的零点击给偏好增加了多少证据？即使读者的兴趣纹丝未动，点击占比也会变。要解释这个数，至少要同时记录哪些选项被展示、展示给谁、出现在哪个位置。
原文与时间戳 · 2
I was clicking more on my liberal friends' links than on my conservative friends' links.And without consulting me about it, it had edited them out. They disappeared.从一次自动播放，能推断系统优化什么吗？
Tufekci 看了一部关于素食的视频，随后系统自动播了纯素食视频。她将延长观看作为一种解释，同时明确说算法细节并不公开。一次序列还可能由库存、相似用户或上一部视频的标签造成。一个可检验的问题是：对相近的起始观看记录，分别给出不同但都相关的下一项，后续主动搜索是否也朝推荐方向改变？这里比较的是被展示之后的变化；继续播放本身仍可能只是自动播放的结果。
原文与时间戳 · 2
I once watched a video about vegetarianism on YouTube and YouTube recommended and autoplayed a video about being vegan.Now, YouTube's algorithm is proprietary, but here's what I think is going on.谁在改变可供推荐的材料？
Bridle 展示的儿童视频标题把惊喜蛋、卡通角色等流行词塞到一起。标题对成人读者很难读，对追求曝光的制作者却有动机。把它接到前两讲的循环里，再看一次推荐系统的报表：曝光会改变点击，制作者又会根据曝光改变明天的库存。即便只观察点击率，也该保存各期哪些作品曾有资格进入候选，以及人们在主动选择下一部时是否还会挑同样的材料。
原文与时间戳 · 2
So the main way people get views on their videos -- and remember, views mean money -- is that they stuff the titles of these videos with these popular terms.all of these words from other popular videos into your title, until you end up with this kind of meaningless mash of language that doesn't make sense to humans at all.再看一个，是为了更开心，还是不想停下来？
Lembke 拿自己看《美国偶像》的经历打比方：刚看的愉快与停下后的回落挨得很近。Huberman 的讲解同样强调一次体验之前的基线。站在推荐系统这一侧，两种故事都会留下相同的记录：「又看了一条」。这个类比说明的是行为日志欠缺哪项信息，不能用来从点击推断某个人的神经状态。若真想分辨，你还想听观众在关掉播放器十分钟后怎么说？
原文与时间戳 · 3
When I watch YouTube videos of "American Idol," it tips to the side of pleasure.their balance is still tipped to the side of paindepends on your baseline level of dopamine when you arrive there and your previous dopamine peaks谁能被选中，发生在点击之前
Systrom 说信息流先受到发布者选择的约束，随后互动又影响排序。对话助手也有容易忽略的第一步：Altman 描述让评审在两条回答之间作选择，访谈进而追问评审是谁、评哪方面。要解释一条偏好记录，先补回当时可选的集合。用户没看见的帖子、评审从没收到的第三个答案，都无法在那次记录里被选中；再多次重复同一比较也补不上这个空缺。
原文与时间戳 · 4
rank the things up higher that get the most engagementThey wanna share things that are gonna get likesshow two outputs, ask which one is betterwhich are the humans and what is the process什么让「再来一次」成为当时可行的选择？
Maté 请受访者回想短暂的缓解。另一段街头访谈把这个问法放进具体环境：受访者回忆，如果在公园里出现戒断反应，自己会很脆弱。Brown 所说的换位倾听，在这里有个很实际的用处：请本人描述那个时间点上能想象的选择。仅凭重复行为的次数，很难复原当时的处境。
原文与时间戳 · 4
what did it do for you? Relief from what?I'd be vulnerableonly a phone call awayStaying out of judgment转发一场争论的人站在哪一边？
Grey 描绘一个循环：争论更显眼，旁观者被吸引，讨论又变得更显眼。一条转发可能来自支持者，也可能来自反对者。若把两者都记成「喜欢」，下一轮推荐会测试一个从未向用户问过的问题。可以并排记录传播动作和转发者附加的评论，再看看能否区分这两种情况。
原文与时间戳 · 2
when you tell the joke to another brainThe more visible an argument gets the more bystanders it draws in一次愤怒的回复在给谁传递什么信号？
Stross 观察到，广告平台同样可以从愤怒引来的短促互动获得收益。Bach 则问一句公开表态对同伴有什么用：它也可能传递群体归属。于是同一次回复，对系统是一次互动，对发言者的同伴是一次身份表达。若要推断作者真的想再看多少同类内容，先问日志里缺了哪一侧的解释。
原文与时间戳 · 4
common implicit Paperclip Maximizer goal: to generate revenuestructured to reward frequent short bursts of interactionopinions start to signal group loyalty in societies.the beliefs themselfs can change our evaluation of the belief.路线推荐比人工选择快一分钟，这算选对了吗？
推荐路线比讲者惯走的路快一分钟，却多走四英里、还多交一次通行费。即使预计时间完全准确，对最短用时的偏好也不等于愿意接受任何其它代价。把导航建议看成一个明确的提问：在本次路程里，用多少钱和多少里程换这一分钟才划算？在不同答案下，同一计算结果可以支持不同的选择。
原文与时间戳 · 2
my evidence is not scientifican extra $1 each way all to save me exactly one minute看不见一条帖子，是排在后面还是被移除了？
Dorsey 在访谈中以当时的平台为例区分排序与账号限制，两者对用户都可能表现为「没再看见」。调试时先检查内容是否还具备被推荐资格，再查看在候选中排第几。若遇到处理错误，重新计算排序与审理账号申诉又是两条不同的纠错路径。
原文与时间戳 · 2
the algorithms rank and order the conversationThat's why we need an appeals process.选择方便的午餐，与选择某种口味
日本饮食视频让我们跟着一个赶时间的人去找午饭。步行能到的店和架上已经备好的食物，先限定了实际可选项。一笔购买记录于是同时反映偏好与可达性。若换一家店、一条街或一段午休时间，想检验口味是否稳定，应先记下哪些选项同时出现。讲者举的便利店例子不足以单独解释整个人群的体重差异。
原文与时间戳 · 2
these places are in walking distance.just as easy and convenient静音播放三秒，谁得到了想要的结果？
Kurzgesagt 描述的是当时 Facebook 对观看的计数以及自己作品被搬运的经历。慢慢滑过一段静音视频，计数可能已经增加，原作者却未必获得署名或收益。Chomsky 的媒体模型从买方反问：买家购买的是对某类受众的触达机会。把两段放在一起，先分别记下「展示」「主动观看」「作者获得回报」；一个数字只记录其中一项时，另两项仍要另找材料。
原文与时间戳 · 4
A view is counted after three secondseven if the video is mutedThe market is advertisersthat raises advertising rates.读完再想一步
如果只能看点击日志，你如何区分「用户更喜欢它」与「系统让它更常出现」？先写下还需要记录哪一个分母，再设计一次能区分这两种解释的比较。