内容会过时。人们打开应用是想看看有什么新东西，信息流必须给出答案。但上个月一篇很棒的帖子，不该仅仅因为不再新鲜就消失。衰减函数就是对这种取舍建模的标准做法，而且比名字听起来简单得多。

新鲜度重要，但不是处处重要

#

打开新闻网站或社交信息流，你想看的通常是最新的东西。在新闻、金融行情这类变化飞快的领域，上周的内容就是累赘，所以那里的排名严重偏向时效。

不过并非所有领域都这样。学术文章和长篇报道的价值随时间保持稳定，有时甚至会上涨。内容的"年龄"在大多数排名系统里都有分量，但该给多大权重，完全取决于你在排什么。

用指数衰减给"过气"建模

#

给逐渐消退的相关性建模，惯用的手段是指数衰减：内容越老，它的感知价值掉得越快。最简单的形式是：

relevance = e^(-decay_rate × age)

其中 relevance 是内容当前的价值，decay_rate（衰减率）控制它贬值的速度，age 通常按发布以来的天数计。

我喜欢这个模型的原因是它只有一个旋钮。调一调衰减率，就能决定内容的保鲜期是几小时、几天还是几周。整个配置面就这么大。

互动让好内容活下去

#

年龄只是一半。浏览、点赞、评论告诉你人们是否真的在乎，无视这些信号的排名，会把好内容和烂内容一起埋掉。修法也简单，把两者乘起来：

score = engagement × e^(-decay_rate × age)

这样一来，互动强劲的旧帖仍然可以压过平庸的新帖。只是随着底下的衰减项不断缩小，它需要越来越多的互动才能保住位置。

实际的生命周期是这样的：新帖拿到新鲜度加成，获得一次被看见的公平机会。有人看、有人赞、有人评论，分数往上爬。日子一天天过去，衰减开始蚕食分数，只有互动持续的帖子还能留在前排。新内容有机会露脸，真正的好内容靠自己站稳。

说穿了，全部窍门就这些：一个指数函数，一个互动项，一个可以拧的旋钮。难的是给自己的内容定出合适的衰减率——那一步，纯靠判断。