精排损失与概率校准

定义

精排损失与概率校准涉及选择单样本、成对或整列表的训练目标，以及检验输出分数与实际事件频率的对应关系。

核心判断

Pointwise 直接学习目标概率，Pairwise 优化同请求候选顺序，Listwise 面向整个列表；需要概率可解释性时不能只追求排序指标。

工程检查

保持请求分组与候选分布一致，联合比较 AUC、请求内排序、校准曲线及线上效用；观察损失组合后的分数尺度与分群偏差。

本书依据

《第十二章-精排模型.pdf》，PDF 第 55–64 页（12.5 预测目标与损失函数）。

扩展说明

训练损失选择应与下游融合、阈值和出价机制共同验证，单一离线分数提升不足以证明可替换。