第 23 章阅读地图：时长预估建模

章节主线

时长是长尾、截断且受内容长度影响的目标；先定义标签与业务效用，再比较阈值化、加权分类、分桶、经典专用模型和生成式分布建模。

节	PDF 页	细粒度主题	核心判断
23.1 阈值化	2–10	Duration-aware 阈值、比例阈值、经验阈值、多阈值联合	离散目标损失了哪些强度信息？
23.2 加权二分类	11–15	Weighted LR、时长反解、与回归对比	权重对应何种时长假设？
23.3 离散分桶	16–21	One-Hot、高斯 Soft Label、自适应/分位点分桶	桶边界与分布漂移如何处理？
23.4 经典方法	22–36	D2Q、DVR、D²Co、OR、CREAD、TPM、EGMN	每个方法解决的是标签、分布还是结构问题？
23.5 生成式预估	37–42	GR、FlowTime	预测分布相比点估计带来什么价值和成本？
23.6 工业实践	43–46	Label、渐进分桶、异常处理、多维信号、持续迭代	内容时长、异常值和业务场景如何分层？
23.7 小结	47–48	方案归纳	用校准、排序、分群和线上效用联合评估。

本书依据：第二十三章 PDF 第 2–48 页。