LAB::SCORE
加權評分實驗室
調整各 action 的權重，觀察最終分數的變化。理解 Phoenix Scoring 的加權合成邏輯。
權重調整
快速設定及其含義
分數計算
加權公式
Score = Σ (weight × P(action))
最終分數
0.00
低分
推薦門檻
爆款
分數構成
正向貢獻 +0.00
負向扣除 -0.00
總分 0.00
洞察
調整各 action 的權重，觀察哪些因素對分數影響最大。
系統核心運作原理
STEP 01
多目標行為預測 (Phoenix Scorer)
當用戶滑過推文時，Phoenix 模型（基於 Transformer 架構）會針對該用戶實時預測一系列行為的機率（P(action)）。 這些預測是**獨立且並行**的，例如：「這個用戶有點贊這篇推文的機率是多少？」、「回覆的機率是多少？」
STEP 02
動態加權合成 (Weighted Scorer)
系統並非平等看待所有行為。不同的互動對推文的「熱度貢獻」不同。 Weighted Scorer 會將上述預測的機率與系統設定的權重（Weights）相乘並求和：
Final Score = Σ (weight_i × P(action_i))例如，一個**回覆 (Reply)** 的權重通常遠大於一個點贊。這就是為什麼「評論區熱鬧」的推文比單純點贊多的推文更容易破圈。
STEP 03
負向反饋懲罰
這也是最關鍵的一點：系統會對「不感興趣」、「屏蔽」或「舉報」設定極大的**負權重**。 即使 P(Like) 很高，只要 P(Not Interested) 有微小的提升，最終分數就會斷崖式下跌，停止分發。