特征穿越是CTR预估模型离线效果虚高的常见元凶。典型场景是特征计算窗口包含了标签发生之后的信息，比如用用户点击后的行为统计去预测该次点击，模型在训练时“偷看”了答案，离线指标自然漂亮。
排查思路是先梳理每条特征的生成时间与标签时间的关系。统计类特征必须严格使用标签时间点之前的数据窗口，实时特征要确认服务端写入延迟，避免把未来几秒的事件带入当前请求。
另一个高频泄漏点是样本拼接。曝光日志与点击日志关联时，若关联逻辑不当，可能把同一用户后续的行为误拼到早期曝光上。建议在拼接环节加入时间戳校验，并抽样人工核对若干条样本的完整链路。
验证手段包括时间切分验证和特征消融实验。按时间切分训练测试集能暴露大部分穿越问题；对可疑特征做消融，若去掉后离线指标大幅下降而线上无变化，基本可判定存在泄漏。
