排序任务不仅要看是否找对了结果，还要看结果排得够不够靠前。NDCG 和 MRR 都是常用的排序质量指标，侧重点有所不同。
NDCG 考虑位置折损，排在前面的相关结果贡献更大，并对不同相关性等级加权。它适合评估多级相关性场景，比如搜索结果和推荐列表。
MRR 关注第一个相关结果出现的位置，取倒数后平均。它适合用户通常只关心首个正确答案的场景，比如问答和实体检索。
选择指标要贴合用户行为。如果用户会浏览多个结果，NDCG 更合适；如果用户只看第一条，MRR 更能反映真实体验。两者都应在同一测试集上对比才有意义。
