把这图让 o1 pro 分析了一下：

从这段泄露出来的 Twitter 排序公式可以看出，Twitter 对“高价值互动”有非常明显的偏好，而对“负面反馈”采取了非常严厉的惩罚。我们可以先逐行地看一下这些系数和含义，然后再给出一些优化和改进建议。

1. 公式拆解

Twitter Ranking Score =
75 * is_replied_reply_engaged_by_author
+ 27 * is_replied
+ 12 * is_profile_clicked_and_profile_engaged
+ 11 * MAX(
is_good_clicked_convo_desc_favorited_or_replied,
is_good_clicked_convo_desc_v2
)
+ 1.0 * is_retweeted
+ 0.5 * is_favorited
+ 0.005 * is_video_playback_50
- 74 * is_negative_feedback_v2
- 369 * is_report_tweet_clicked

1）高权重的正向信号：

is_replied_reply_engaged_by_author（+75）：
如果推文作者与某条回复进行互动，或这条回复是作者与读者之间的“深入对话”（reply engaged），那么就会有非常高的加权。这意味着对话作者对这条推文或回复作出回应，平台将其视为极其重要的信号，说明该推文内容非常有价值。

is_replied（+27）：
只要有人给该推文回复，也会得到正向加权。虽然数值远低于和作者之间的深度互动，但依然是一个高分项，体现出 Twitter 对讨论和对话的重视。

is_profile_clicked_and_profile_engaged（+12）：
若有人通过这条推文或链接点击了用户档案并进一步进行关注、收藏等操作，也能带来较高加分，表示推文吸引了读者对账号本身的兴趣。

MAX(is_good_clicked_convo_desc_favorited_or_replied, is_good_clicked_convo_desc_v2)（+11）：
这里看起来是一个“好的对话行为”或“好的点击行为”的指标，取两者中的最大值，乘以 +11。说明平台想要找出对话中更深层次、优质的交互（比如点击推文后进行点赞或回复）并加以奖励。

2）中低权重的正向信号：

is_retweeted（+1.0）：
被转推获得的加权其实不算高，仅为 1 分。对比上面大几十的分值，可以看出 Twitter 对“转推”本身的价值定位低于“直接的对话回复与互动”。

is_favorited（+0.5）：
点赞只有 +0.5，进一步说明 Twitter 认为“点赞”是最基础、最轻量级的肯定信号，权重相对较低。

is_video_playback_50（+0.005）：
视频播放超过一半仅有 0.005 的加分，几乎可以忽略不计。可能是因为很多人看视频并不一定表示对内容非常认可，也可能是因为视频播放容易受自动播放、滑动浏览等因素影响，所以此项权重非常小。

3）负向信号：
is_negative_feedback_v2（-74）
如果有人对推文做出负面反馈（可能包括“不感兴趣”“屏蔽”之类的行为），直接扣 74 分。可以看出，这和“is_replied_reply_engaged_by_author”的正向加分相当，负面影响极大。

is_report_tweet_clicked（-369）
如果有人点击“报告推文/举报”，会被惩罚性地扣 369 分，比负面反馈更严重得多。这基本上会让推文在推荐系统中瞬间“沉底”，意味着 Twitter 对“被举报”的内容加以强烈打压。

2. 观察与解读
互动的“质量”比“数量”更重要最高分值的几个信号都与“深度互动”相关：尤其是跟作者本人的对话（75）和回复（27）。这说明 Twitter 非常看重用户之间真正的对话交流。转推和点赞虽然也有加分，但远远不及回复和深入互动。

鼓励关注档案与二次交互“点击个人档案”并在档案页面进一步互动也有较高加分（12），说明 Twitter 希望用户不仅仅是快速浏览，而是更深入地关注创作者本身。

负面反馈和举报几乎“宣判死刑”负面反馈分数（-74）和被举报（-369）的权重都非常高，一旦出现大规模负面反馈或被用户举报，该推文的排名将快速下滑。

音视频内容播放比重被严重弱化视频播放仅有 +0.005，表明除非有人进一步对推文做出点赞、回复，否则单纯的视频观看不足以显著提高推文排序。

系统的“平衡点”整体来看，Twitter 排名系统尽量挖掘“用户强互动”并过滤“用户强烈不满”的内容，让更多有讨论度、有价值的推文能浮到更前面。

3. 给出的改进/优化建议
对于创作者：

引导用户回复与讨论既然“回复”乃至“作者与读者深度对话”是最高权重，那在内容创作时应注重引发读者的思考或讨论，提出开放性问题、鼓励读者留言等；同时，如果作者自己能多去回复互动，会有更大加成。

在推文中引导用户进一步点击或查看主页适度在推文中提及一些个人主页里的信息、项目链接等，吸引读者点击档案页并进行后续操作（关注、查看更多内容），可以赢得那 +12 的不俗加分。

谨慎对待各种负面反馈高度关注是否有人对你的推文点“我不感兴趣”或进行投诉/举报。负面反馈的扣分极为严重，需要创作者在选题、用词、态度方面保持谨慎，避免太过敏感和极端化的内容。

使用更多的富媒体（但要强调互动）视频或图片本身对吸睛有帮助，但如果只靠播放量并不能带来高排序分数。应尽量在富媒体内容里引导用户进行更深入的互动，比如让他们发表评论、回复、点赞，从而把富媒体播放与更高层次的动作结合起来。

善用“对话”的氛围Twitter 强调对话，对长链回复、问答、辩论等情形，分值会更高。如果你能引导粉丝之间相互讨论或多次回复，也能进一步提升推文权重。

对于平台（算法层面）的可能改进：

平衡过高的权重差距目前从 75 分、27 分到 0.5、0.005 分的跨度非常大。对于某些类型的内容（如视频），即便产生了大量播放，也无法抵消几条负面反馈或一次举报带来的严重扣分。可以考虑在整体算法里对不同信号进行更平滑的加权，以免激励过度地“刷回复”或“刻意引战”，也避免优秀视频内容被埋没。

更精细地区分负面反馈类型“不感兴趣” 和“真正冒犯或违规”有着本质区别，若将所有负面反馈都套用-74，会导致某些非恶意类反馈的影响过度。可以考虑引入更多维度，对反馈类型进行更细分的区隔，比如“无兴趣”“垃圾邮件”“仇恨言论”在算法层面的区别对待。

引入更多的正向反馈形式除了点赞、回复、转推和点击主页，也可考虑把“发送私信（基于推文）”等更多信号纳入评分体系，精细衡量用户真实喜爱程度。

增加对优质多媒体内容的识别和加权目前对视频播放仅给了极低加分，但在当下趋势里，优质视频或图文结合的推文往往对用户有更强的吸引力和创作成本。可以考虑引入更丰富的机器学习特征来识别是否是“高质量”视频或图文，从而更好地推荐给用户。

4. 结论

从这个排序公式可以明显看出：

最重要的是引发对话、激励读者回复，以及作者自己也积极参与回复。

负面反馈与被举报会带来巨大的扣分，需尽力避免。

简单的点赞或转推并不能给予很高的排名增益，相比之下“深度互动”更关键。

引导用户点击并进一步关注/互动可有效提升推文的可见度。

对于创作者而言，如果想在推文算法中获得更好的曝光，应该重点关注“与作者及读者的交互质量”、“减少和避免负面反馈”这两大方面。对于 Twitter 平台本身而言，也需要在信号加权、负面反馈细分以及对富媒体的评估上不断做迭代和优化，才能更加全面、精准地衡量内容质量。

点击图片查看原图