演算法是什麼在X上：內容排序背後的秘密

0xTodd 剛剛在 X 上分享了一個重要事件：Elon Musk 已經履行承諾，公布了平台算法的開源碼。這個決定為用戶提供了了解內容篩選和呈現方式的機會。算法是一個複雜的系統，幫助 X 決定哪些內容會出現在你的時間軸中，這完全改變了我們使用平台的方式。

當了解了背後的機制，用戶可以優化表達意見的方式，擴大觸及範圍，並探索符合自己興趣的內容。

兩個主要的算法組成部分：Thunder 和 Phoenix Retrieval

X 上的算法建立在兩個關鍵概念之上。Thunder 代表你正在追蹤的帳戶，也就是你主動選擇觀看內容的人。這是熟悉且個人化的內容來源。

此外，Phoenix Retrieval 包含了 X 上的所有內容，包括你未追蹤的帳戶。它就像一個巨大的寶庫，算法可以在其中探索新奇有趣的貼文，這些貼文你從未在陌生帳戶中見過。

為了決定顯示來自 Thunder 還是 Phoenix Retrieval 的內容，每個用戶都配備一個名為 Grok 的 AI 助理，運作方式隱藏。Grok 被程式設計用來預測你對貼文的互動程度（like、share、reply），從而判斷應該顯示熟悉帳戶的內容還是推薦新帳戶的貼文。

聲譽點數系統：算法是判定帳戶可信度的方式

算法中運作著一個無形但極其重要的點數系統。每個在 X 上的用戶都被賦予一個聲譽點數，範圍從 -128 到 +100，雖然你看不到它。

新帳戶的起始點數較低，這限制了他們的貼文被廣泛傳播的能力。為了提升點數，這些新帳戶需要積極與高聲譽的帳戶互動，以“證明”自己的價值。反之，如果你與低質量帳戶互動或被警告，你的點數可能會受到負面影響。

有趣的是，負面反饋——如封鎖或靜音某人——的權重比正面互動（like）更重。一個封鎖可能會超過數十個忠實追隨者的正面互動，因此極端行為可能會迅速降低內容的曝光率。

評分規則的變化：從嚴格標準到個人偏好

算法是一個活生生的系統，不是靜態的。它已經從嚴格的規則演變為更具彈性的個人偏好導向。

在2023年，X 採用了非常具體的標準：含影片的貼文得分顯著較高，而含連結的貼文則會被扣分。然而，今天的算法已不再依賴這些死板規則，而是根據用戶的實際互動來判斷內容價值。

此外，算法也會處理“疲勞於主題”的現象——如果你在短時間內看到太多同一作者的貼文，後續的貼文會被降低排名。重複熱點主題的內容也會受到懲罰，鼓勵即時且具有創意的貼文，而非單純模仿潮流。

已驗證帳戶（Blue V）在算法中的優勢是什麼？

已驗證帳戶——用藍色 V 標記（Blue V）——在算法中具有明顯優勢。它們比未驗證帳戶更受優先對待，讓其內容更容易被 Phoenix Retrieval 索引。

這意味著，來自 Blue V 帳戶的貼文有較高機率出現在其他用戶的時間軸中，即使他們沒有追蹤該帳戶。同時，未驗證帳戶在突破初始追蹤群之外會遇到較大困難，除非他們的貼文能迅速且強烈地產生互動。

其他影響內容觸及的因素

算法還結合了許多複雜的因素。用戶花在重新查看一則貼文的時間也會被計入點數，即使沒有直接互動（like、share 或 reply）。只要你停留閱讀一則貼文，就是一個正面信號。

另一個方面是“候選項的獨立性”——每則推文的評價完全獨立，不受同一作者其他貼文的影響。算法也會避免推薦重複或過時的內容，強調視頻的完成率——完整觀看從頭到尾的影片被視為高價值。

這些知識提供了更深入的洞察，展示算法如何成為數字內容治理的工具。它邀請 X 社群參與更深入的討論，探討如何優化自己的曝光，並積極促進平台內容生態的健康發展。