Xiaosun 用信息论解读推荐算法：好算法应降低用户对世界的惊异度

研究者 xiaosun86 提出，推荐算法的目标应是降低用户对未来现实预测的惊异度，让每条展示内容减少建模世界所需的比特数。该观点结合 DKL 与世界固有不确定性 H(q)，并将其与生活幸福感联系起来，尝试用信息论重新解释推荐系统的价值。