抖音近日在北京成功举办了“安全与信任中心开放日”活动，活动深入探讨了抖音的算法机制、平台治理体系以及社会关注的焦点问题。
在活动中，抖音方面详细阐述了推荐算法作为人工智能技术的关键应用，其本质是一套高效的信息筛选机制。抖音的推荐系统采用“人工+机器”的协同模式进行风险管理，确保算法始终在人工运营和治理体系的指导下运行。多目标体系算法能有效打破“信息茧房”，为用户提供更加多元、实用且可靠的推荐内容。
抖音算法工程师在活动中详细介绍了算法的工作原理和特点。他指出，抖音的推荐算法与其他内容推荐平台相似，包含召回、过滤、排序等环节，并重点学习用户行为。通过协同过滤、双塔召回、Wide&Deep模型等技术，算法能够在不理解内容的情况下，找到兴趣相似的用户，并推荐他们可能感兴趣的内容。目前，抖音的算法已几乎不依赖于对内容和用户打标签，而是通过神经网络计算预估用户行为，从而推荐最符合用户价值的内容。
活动中还强调了用户长期价值在抖音推荐算法中的核心地位。抖音算法工程师表示，算法不仅追求短期数据，更注重用户的长期价值。为此，算法考虑了多种目标，如完播率、评论、点赞、长期消费、分享等，以计算出更符合用户长期利益的内容推荐。
为了打破“信息茧房”，抖音在多目标建模体系下设置了专门的探索维度。一方面，对于用户已表现出的兴趣，算法会推荐更多样化的内容，通过多样性打散、多兴趣召回等方法控制相似内容的出现频次。另一方面，算法会帮助用户探索新兴趣，采用随机推荐、基于社交关系拓展兴趣等方式，让用户的主动行为影响推荐系统，实现更加个性化和多样化的推荐。
在平台治理方面，抖音采用了“人工参与+机器学习”相结合的模式，并组建了专门的治理团队为算法设置“护栏”。抖音的生态运营经理介绍，平台治理体系包括异常感知、标准定义、机器识别、人工研判、风险处置等环节。所有在平台发布的内容都会经过评估，流量越高的内容评估次数越多，标准也越严格。内容审核则采用“人工+机器”相互配合的模式，确保专业、敏感或疑难等问题得到精准研判。
创作者上传内容后，首先进入机器识别环节。若内容被识别出含有高危特征，将被直接拦截；若模型判断有问题但未命中高危特征，则会送至人工审核；若问题概率较低，则获得基础流量进入下一环节。视频被举报、评论区出现集中质疑等情况均可能触发“人工+机器”审核。一旦内容在任一环节被处置，系统将立即停止进一步推荐和分发。
抖音还成立了多个专项治理团队，针对诈骗、网络暴力、虚假摆拍、未成年人保护等一系列重大风险进行专项治理。例如，在不实信息治理方面，抖音上线了辟谣卡功能，以遏制不实信息的传播。同时，抖音安全与信任中心网站也公布了平台倡导的社区价值和优质内容的定义，为优质内容提供专门的推荐子链路和流量扶持。
