两款商品价格、配置都差不多，用户却总偏爱其中一款。传统排序容易把这种偏爱硬塞给已知属性，或干脆忽略。Jianqing Fan、Jikai Hou和Mengxin Yu的工作扩展了 Bradley–Terry–Luce（BTL）模型——一种用潜在分数解释两两胜负的经典方法：总分一部分来自价格、经验等可观测特征，另一部分留给属性解释不了的实体差异。
关键假设是“例外很少”：大多数商品或选手没有额外优势，只有少数对象的内在分数不为零。这样既能总结普遍规律，也不会抹平特殊对象。据出版方摘要页，作者还为带惩罚的最大似然估计构造了去偏步骤——校正模型为保持稳定而造成的系统性收缩，并据此检验“协变量是否已经解释全部偏好”，同时给出排名置信区间，也就是名次可能波动的范围。摘要未披露具体数据集或效果数字，因此目前更值得关注的是这套拆分与不确定性判断框架。