随着人工智能技术在全球内容平台中的深入应用，推荐系统已经成为支撑用户体验、内容分发效率和平台增长能力的核心基础设施。对于字节跳动旗下的TikTok这样面向全球用户的大型内容平台而言，如何在海量内容中实现高效、精准、持续优化的分发，一直是平台技术建设的关键方向。刘文煊作为TikTok的资深机器学习工程师（Senior Machine Learning Engineer）兼技术负责人（Tech Lead），长期专注于推荐系统领域，并在多个核心项目中发挥着关键作用。
自TikTok上线以来，该平台已经成长为全球用户规模领先的社交媒体平台之一。到2026年第一季度，TikTok全球月活跃用户已突破20亿。在如此庞大且复杂的用户基础下，推荐系统不仅决定了内容的触达效率，还直接影响用户体验、平台活跃度和商业增长表现。
刘文煊围绕TikTok核心推荐系统展开了广泛的技术工作，涵盖了推荐系统基础能力建设、个性化与多样性优化、商业内容推荐及新用户冷启动与训练流优化等关键领域。这些努力直接推动了平台用户体验的提升、内容分发效率的优化和业务增长目标的实现。
推荐系统的核心作用
对于像TikTok这样的算法驱动平台，推荐系统不仅是一个功能模块，更是连接内容供给、用户兴趣理解、反馈建模、分发效率和商业转化的核心技术体系。尤其是在短视频这一快速消费内容的场景下，用户兴趣变化迅速，平台需要在极短的时间内完成内容匹配与价值判断。如何平衡新用户冷启动、个性化推荐与内容多样性、以及商业推荐与用户体验之间的关系，成为了推荐系统中的核心技术难题。刘文煊在多个项目中持续推动这些技术的优化。
从0到1的推荐系统建设
在具体项目中，刘文煊主导了Popular Feed推荐系统的从0到1建设。对于大型内容平台来说，从零开始搭建一个核心推荐系统，并非仅仅是完成功能开发，而是要围绕推荐架构、算法模型、分发逻辑和系统稳定性形成完整的技术体系。该项目对工程师的机器学习能力、系统设计能力和业务理解能力提出了很高的要求。刘文煊在这一过程中承担了关键技术职责，持续参与系统的建设和优化，为平台的推荐能力打下了坚实基础。
个性化多样性建模
同时，刘文煊也在推荐系统的个性化多样性优化方面做出了突出贡献。对于拥有全球约 20 亿用户的平台而言，不同用户对内容多样性的偏好并不相同：有的用户更希望持续看到高度相关的兴趣内容，有的用户则更偏好在推荐中获得更丰富的探索空间。因此，推荐系统面临的关键挑战，不只是简单地提升整体多样性，而是如何为每一位用户动态匹配最合适的多样性程度。
刘文煊通过优化个性化 DPP（Determinantal Point Process）机制，使系统能够基于用户兴趣、行为反馈和内容消费模式，为不同用户分别建模其对多样性的偏好需求。在保证推荐相关性和转化效率的基础上，系统能够为每位用户提供更符合其兴趣边界和探索意愿的内容组合，从而在个性化精准推荐与内容生态丰富性之间实现更细粒度、更智能的平衡。
商业内容推荐系统的优化
在商业推荐系统方面，刘文煊参与设计并实现了 Paid Content 和 TikTok Creator Marketplace 视频在推荐系统中的激励算法，推动商业内容在推荐链路中的更高效分发。相关优化在兼顾用户体验与内容自然度的基础上，提升了商业内容与目标用户之间的匹配效率。
同时，刘文煊上线了 CTR 转化率模型，用于更精准地评估用户对商业内容的兴趣与互动可能性。这一系列工作进一步增强了推荐系统对商业场景的支持能力，在提升内容相关性的同时，也为平台创作者生态与商业价值转化提供了重要技术支撑。
新用户冷启动与训练流优化
刘文煊在新用户冷启动与训练流优化方面的工作，尤为值得注意。新用户通常缺乏足够的历史行为数据，平台在初始阶段难以精准判断其兴趣，而这一阶段的推荐质量直接影响用户留存和活跃度。刘文煊针对这一问题，优化了推荐算法模型结构，提升了新用户冷启动的推荐质量，并通过训练流优化增强了系统对早期行为信号的学习能力。这些优化显著提高了新用户内容触达效率，改善了初始体验质量，为平台的持续增长提供了有力支撑。
技术优化带来的业务成果
刘文煊推动的推荐系统优化，最终转化为用户增长和商业化收入上的显著成果。一方面，通过提升新用户冷启动阶段的内容匹配质量，平台能够更快地为用户推荐符合兴趣的内容，从而改善用户初始体验，带动新用户 DAU、活跃天数和停留时长的提升。另一方面，用户活跃度和消费时长的增长，进一步扩大了平台的商业化变现空间。随着用户访问频次增加、停留时间延长，平台获得了更多广告展示、商业内容分发和转化机会，最终带来了千万美元级别的新增收入增长。这一结果也说明，刘文煊的技术优化并不只是模型层面的改进，而是通过提升用户体验和使用深度，进一步放大了平台的商业价值。
展望未来：推荐系统的持续创新
随着推荐系统在全球内容平台竞争中愈发重要，围绕新用户冷启动、个性化与多样性平衡、商业内容精准推荐等关键问题的技术优化，已经成为提升平台用户体验和增长能力的关键路径。刘文煊的工作不仅持续推动了TikTok推荐系统的能力提升，也展示了他在推荐系统和人工智能应用领域的深厚专业能力和技术价值。
在全球内容平台持续强化算法能力和增长效率的大背景下，刘文煊在核心推荐系统中发挥的关键作用，以及推动的可量化成果，展示了高水平技术人才对平台核心系统建设的重大影响。（作者：高辉）
