推荐系统评估常聚焦排序 AUC 和点击率，却忽略召回阶段的基础指标。召回率衡量相关物品被检索到的比例，覆盖率衡量物品被推荐到的比例，两者共同决定系统的天花板。
召回率低意味着大量相关物品根本没进入候选集，排序模型再强也无法弥补。评估召回要构造相关性标注或利用用户真实交互做回测，计算 Top-K 召回命中率。
覆盖率关注长尾。推荐过度集中会让少数热门物品占据大部分曝光，新物品和长尾内容得不到机会。覆盖率低不仅影响生态，也会降低用户长期兴趣满足。
召回率和覆盖率存在张力。扩大召回范围能提升覆盖率，但会引入噪声、增加排序负担。要在候选规模、计算成本和效果之间找平衡点。
健康的评估体系应包含召回、排序、覆盖和多样性多个维度。只看排序指标容易做出局部最优、全局受损的系统。分层监控各环节，才能定位真正的瓶颈。
