# 离线评估指标

## 元数据

- 书名：深度学习推荐系统
- 作者：王喆
- 章节：第7章 推荐系统评估
- 页码线索：213-221
- 目标岗位：AI PM / 推荐系统产品 / 算法工程师面试
- 优先级：P0
- 标签：offline-evaluation, auc, map, ndcg

## 面试问题

推荐系统有哪些常用离线评估指标？如何选择？

## 30 秒回答

离线指标包括准确率、召回率、Precision/Recall、ROC/AUC、MAP、NDCG 等。选择指标要匹配推荐场景、列表位置、用户行为和业务目标。

## 展开要点

- Top-K 推荐需要关注位置和序列质量。
- P-R 和 ROC 适合分类/排序评估，但解释角度不同。
- MAP/NDCG 等指标更直接评估推荐列表。
- 离线指标只能初筛，不能替代线上实验。

## 高频追问

- AUC 高为什么线上可能不好？
- NDCG 为什么考虑位置？
- 如何评估多样性和新颖性？

## 项目映射

- 评估知识卡推荐：点击、完成、收藏、后续答题提升。
- RAG 评估：召回率、证据排序、答案正确、有用率。

## AI PM 迁移

AI PM 要为每类 AI 功能选择任务级评估，而不是迷信一个总分。

## 备注

本卡为面试复习用的主题重构和答题框架，不保存原书正文。