2011年之后，史铁生一度“隐身”在了作品里，透过《病隙碎笔》、《我与地坛》、《命若琴弦》等文学作品，一代人试图去拼凑他的一生。
但在过去一年，史铁生和他的作品“出圈”，走向了更大范围的群体。数据显示抖音平台上，过去一年史铁生相关视频累计达到了18.6万个，增长192%，视频总时长增长415%，总分享的次数增加了51%。
短视频推荐算法的真实价值，就藏在生活场景里
他的个人经历以及笔下那些跨越代际的优秀作品，通过短视频的传播，被越来越多的人看到、并喜爱上了史铁生。《2024年抖音读书生态数据报告》显示，史铁生已经成为了抖音最受欢迎的作家，其中00后成为最爱看史铁生的读者年龄段。
有观点认为，史铁生的“出圈”与“翻红”，离不开推荐算法的作用。促成其“出圈翻红”的必要条件是，越来越多的人因为推荐算法而“看见”了史铁生。史铁生和作品是基础，算法是推力，而短视频平台则是阵地，三者紧密结合，共同促成了这次“出圈翻红”。
在讨论短视频平台算法「推得准」的时候，很多瞎逼分析的人会说：平台给内容打标签，然后推给可能感兴趣的人，所以推荐算法做得很好。
凡是这么简单归因的人，都是不懂的。
和DY、KS这方面的核心负责人交流过，目前在内容分发上基本不依赖标签，而是通过更先进的深度学习。
好处是比你更懂你，坏处是可解释度低。
因为算法追求的是全局最优，所以会有定向干预的需求。但解释度低就不好做定向干预，只要干预，就是负向。
平台给内容打的标签，主要是人用来定义和解释内容的。由于人的理解能力是低于深度学习算法的，不一定能猜对客户喜欢什么。比如一个客户喜欢美女跳舞，是喜欢跳舞还是颜值，很难分辨。
给这样的内容打标签，作用不是为了理解和辅助分发，而是提供了人能理解的工具，也是业务层面能解释的干预窗口，把黑盒问题白盒话，这样各个角色都能理解和获得反馈。
用标签来辅助内容分发，效率肯定是低的，但也不是完全没有价值。在有些算法不准或捕捉不到信号的时候，标签就能派上用场。