点击率预估是推荐和广告的核心模型，样本与标签构造直接决定模型天花板。看似简单的“点击为一、未点击为零”，实际有很多细节决定成败。
样本要来自真实曝光日志，只把被展示过的物品作为负样本候选。如果把未曝光物品当负样本，会引入曝光偏差，模型学到的是展示策略而非用户偏好。
标签延迟要处理。点击通常实时可得，但转化、下载等深层行为可能延迟数小时甚至数天。过早把未转化当负样本会污染标签，需要设置观察窗口和回补机制。
负样本采样可以缓解极端不平衡，但会改变预估概率，需要做校准，否则排序分不可比。采样比例要记录，线上还原时要按比例修正。
样本去重和异常过滤同样重要：同一请求重复上报、机器流量、误触点击都要清洗。标签质量差，再复杂的模型也救不回来。
