M9-002M9: ML & AI 系统设计实战搜推与商业化系统设计Hard
⚡闪卡盲测➔掌握度:

设计商业化竞价广告排序系统(pCTR/pCVR 绝对校准 + PID 预算平滑 Pacing)

🎯 深度面试自测闭环(先口述或草拟,再核对解析)
免登录记录进度:核心结论回忆 → 避坑清单自查 → 标记掌握或加入错题队列。
Step 1 · 尝试用 1–2 句话回答这道题的核心结论与适用边界
Step 2 · 勾选已覆盖的陷阱与追问思考
下一题: M9-003 →
📐 核心数学机理公式
eCPM=Bid⋅p^CTR⋅1000,logit(p)=logit(q)+ln⁡r\text{eCPM} = \text{Bid} \cdot \hat{p}_{\text{CTR}} \cdot 1000,\quad \text{logit}(p)=\text{logit}(q)+\ln r
⚡ 一句话直击要害答案
商业广告比纯内容推荐多出三个货币级不变式:pCTR 绝对概率校准(ECE < 1%)、负采样对数几率还原与全天预算 PID 平滑消耗。

📌 核心要点提炼

  • •
    L1 经济约束:pCTR 虚高 1% 直接引发广告主出价亏损与二价拍卖失真
  • •
    L2 负采样还原:1:r 降采样后上线前必加 ln(r) log-odds 偏置并在 OOT 验证集检查 ECE
  • •
    L2 延迟转化:oCPA 后链路点击数小时后才转化,需用 FNW/FSIW 生存加权消除假负例
  • •
    L3 预算平滑:PID 概率节流(Throttling)替代乱调出价,兼顾平滑耗预算与节省算力

📐 数学机理与严密推导

二价/GSP 竞价要求概率保真:负采样比率 rr 还原公式 logit(p)=logit(q)+ln⁡r\text{logit}(p)=\text{logit}(q)+\ln r;PID 控制器每 10s 计算预算消耗误差调整参竞率。

🏭 深度剖析与工业落地权衡

采取概率节流不参竞相比人为乘 BidMultiplier,能在保证 eCPM 竞价语义不变的前提下省去 35%+ 无效精排算力。
⚠️ 常见面试陷阱与高频失分点
  • ✕
    上线负采样模型忘了加 ln(r) 校正致使全站 CPC 暴涨引发客户投诉
  • ✕
    点击 48 小时后的转化还没回传就把当天样本全部标负导致严重低估 pCVR
🎯 面试官连环追问与延伸考察
  • ?
    广告系统为什么对 ECE 校准比短视频推荐敏感十倍?
  • ?
    小预算长尾计划用 PID 出现剧烈震荡怎么加阻尼平滑?
⚡
想检验本题的肌肉记忆?进入 3 阶闪卡主动回忆盲测
隐藏答案遮罩,自测:审题锚点 ➔ 数理公式机理 ➔ 工业标杆代码与连环追问。3 分钟攻破认知盲区!
🎯 立即在闪卡中盲测此题➔
📚

关联知识库专题与交互式导图

← 上一题M9-001: 设计亿级 Feed 流「四级漏斗」实时推荐系统(Recall → Coarse → Fine → Re-rank)📋 返回题库下一题 →M9-003: 设计新内容与新创作者冷启动探索架构(ID-Dropout 多模态 + 阶梯 Bandit 池)