推荐在线 A/B 实验与 Interleaving

在线 A/B 实验与交替穿插实验 (Online A/B Testing & Interleaving) 是推荐与搜索系统在线验证新算法能否带来真实商业价值、决定最终是否全量推全的终极决策科学体系；1) 标准 A/B 测试 (Randomized Controlled Trial): 将用户流量哈希分流为对照组 (Control Group) 与实验组 (Treatment Group)，保持双盲运行若干天并统计核心业务指标（CTR、GMV、人均时长、留存率）与护栏指标（崩溃率、延迟），基于双样本 t 检验判断 p-value 统计显著性；2) Interleaving (交替实验，如 Team Draft Interleaving): 在单次请求内将算法 A 与算法 B 的推荐列表交替穿插为一个统一列表展示给同一用户，根据用户点击项的归属直接计算胜率，测试灵敏度比标准 A/B 高出 100 倍。

推荐/搜索/广告算法上线前的灰度放量、模型快速筛选淘汰与核心业务 KPI 因果推断。

离线指标（GAUC/NDCG）与线上真实业务指标存在不可避免的鸿沟（离线涨线上跌）；Interleaving 能在极小样本量和数小时内快速淘汰劣质模型，A/B 测试则提供长期全局业务收益的严谨因果推断。

详细描述 Team Draft Interleaving (球队选秀交替算法) 的交替合并规则与点击归属 (Credit Assignment) 的无偏计算？

为什么 Interleaving 能够在仅需标准 A/B 测试 1% 的样本量和 1/10 的时间下达到相同的统计功效 (Statistical Power)？

多层正交实验分层体系 (Overlapping Layered Experiment Architecture / Google 分层实验) 的参数哈希设计？

如何检测与防范 A/B 实验中的样本比例不平衡 (Sample Ratio Mismatch, SRM) 与网络溢出效应 (Network Spillover Effects)？

新颖性效应 (Novelty Effect: 用户因 UI 新鲜产生短期偏好) 与慢炖效应 (Slow Cooker Effect: 长期留存需数周显现) 的应对策略？