排序任务的离线评估不能只看准确率。NDCG 关注位置折损，越靠前的命中贡献越大，适合评估推荐列表和搜索结果的整体排序质量，是排序模型最常用的指标之一。
MAP 衡量的是相关文档在列表中的平均精度，对二值相关性友好。它强调召回全部相关结果的质量，适合检索场景，但对多级相关性（如点击、转化）表达能力有限。
Recall@K 关心前 K 个结果里覆盖了多少相关项，适合召回阶段评估。召回路通常追求高召回，精排再做筛选，所以召回用 Recall、精排用 NDCG 是合理的分工。
指标选择要与业务目标对齐：信息流看重前几位点击，用 NDCG@10；电商搜索看重成交，可加权转化；多样性业务还要加入覆盖率、基尼系数等指标。
离线指标之间常此消彼长，建议同时报告多个指标并做显著性检验，避免因单指标波动做出错误的上线决策。
