一个 pCTR 模型整体 AUC 0.78。分桶检查发现：预测 0.05 的桶真实 CTR 0.02，预测 0.20 的桶真实 0.28，呈系统性 S 型偏差。业务用出价 = pCTR × 目标 CPA 来竞价。请说明 AUC 0.78 与'概率不准'是否矛盾、这种偏差会让出价怎么偏，以及你会怎么校准。校准数据准备用当天 3000 万条曝光日志，有什么风险？

面试官在考什么

能否区分排序能力与概率校准，把校准误差映射到具体业务损失，并识别日志中的选择偏差与反馈回路。

模型校准

回答框架 · 前两步

1. 不矛盾。AUC 只依赖排序，对单调变换不变；校准是概率绝对值是否等于真实频率，两者相互独立。
2. S 型偏差的含义：低分段被高估（0.05→0.02），高分段被低估（0.20→0.28）。出价 = pCTR × CPA，低分段会出价过高浪费预算，高分段出价过低丢量。

延伸阅读

• 技术面到底在考什么：三类考点的及格线与加分线
• 避坑与冲刺：简历自洽、六种扣分话术、D-7 准备表

想看这个方向的整体准备路线？ 进入「机器学习基础」方向页

同一能力域的其他题

• 请解释偏差-方差权衡。如果一个模型训练误差很低、测试误差很高，你会怎么处理？
• L1 和 L2 正则的区别是什么？为什么 L1 能产生稀疏解？从几何角度解释一下。
• 样本极度不平衡（正样本 1%）时，你会怎么评估和建模？为什么不能只看准确率？
• 交叉验证有哪些方式？时间序列数据为什么不能用随机 K 折？你实际项目里怎么切？
• 你的模型预测概率偏高或偏低（校准差），怎么发现、怎么修？为什么 AUC 高不代表概率准？
• 线上服务要你对一个模型做上线前的效果预估，但没法直接做 A/B，你会怎么估？有多大把握？