本文是 搜推算法笔记 第 4 篇。索引见 搜推算法 · 知识索引。

上一篇：向量检索与 ANN · 下一篇：AB 实验与线上迭代

召回把候选捞进池子，精排决定「谁排前面」。但「排得好」怎么定义？训练 LambdaMART 时 metric=ndcg，上线看 CTR/CVR——模型、指标、业务目标三者必须对齐，否则离线涨、线上不涨。

这篇把 LTR 精排和评价指标放在一起讲：先理解排序学习范式，再搞懂 NDCG 在量什么，最后串成完整的训练—评估—上线链路。

本文是 搜推算法笔记 第 1 篇，共 7 篇。索引见 搜推算法 · 知识索引。

下一篇：Query 理解与多路召回

学习搜推算法时，常见误区是过早陷入 BM25 公式或某个模型细节，而忽略更根本的问题：整个系统到底在优化什么？ 用户说「搜不到想要的」，工程师聊倒排索引和分词——中间缺了一层：从输入到最终列表，每一层在解决什么问题、失败时长什么样。

本文梳理搜索/推荐共通的工业界框架。读完应能画出标准漏斗、解释每层优化目标、判断该用哪类算法。