# Replay 动态离线评估

## 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：222-224
- 目标岗位：AI PM / 推荐系统产品 / 算法工程师面试
- 优先级：P1
- 标签：replay, offline-evaluation, simulation

## 面试问题

Replay 评估为什么比普通离线评估更接近线上？

## 30 秒回答

Replay 试图按照历史真实请求顺序重放用户行为，动态模拟推荐系统在当时状态下的决策和反馈，比静态切分更接近线上环境。

## 展开要点

- 普通离线评估容易忽略时间顺序和反馈闭环。
- Replay 保留用户行为流和系统状态变化。
- 适合评估推荐策略在时间维度上的表现。
- 局限是仍受历史曝光偏差和反事实问题影响。

## 高频追问

- Replay 和 A/B 测试有什么区别？
- 历史日志偏差如何影响评估？
- 为什么推荐评估有反事实难题？

## 项目映射

- 用历史学习日志重放卡片推荐策略。
- LLM 产品可重放历史问题评估新 RAG 策略。

## AI PM 迁移

AI 评估要尽量模拟真实使用流，而不是只在静态样例上打分。

## 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。