# YouTube 双阶段推荐

## 元数据

- 书名：深度学习推荐系统
- 作者：王喆
- 章节：第8章 前沿实践
- 页码线索：260-268
- 目标岗位：AI PM / 推荐系统产品 / 算法工程师面试
- 优先级：P0
- 标签：youtube, candidate-generation, ranking

## 面试问题

YouTube 推荐系统为什么采用候选生成和排序两阶段？

## 30 秒回答

YouTube 面对海量视频，需要先用候选生成模型快速召回几百个候选，再用排序模型精细预测观看时长等目标。两阶段架构兼顾规模、效率和精度。

## 展开要点

- 候选生成解决从百万/亿级内容到小候选集的问题。
- 排序模型使用更丰富特征进行精细打分。
- 训练样本处理和线上服务方式会影响模型目标一致性。
- 对新视频偏好的处理体现探索和新鲜度管理。

## 高频追问

- 候选生成和排序模型训练目标是否一样？
- YouTube 为什么关注观看时长？
- 如何处理新视频？

## 项目映射

- AI 学习素材库：先召回候选卡，再按目标岗位和薄弱点排序。
- 内容产品推荐系统设计题可以直接套两阶段框架。

## AI PM 迁移

两阶段推荐和 RAG 很像：先召回候选知识，再精排并生成用户可消费结果。

## 备注

本卡为面试复习用的主题重构和答题框架，不保存原书正文。