NDCG 被高估了：搜索相关性评估不能只看 NDCG

针对搜索团队过度依赖 NDCG、ERR、mean-average precision 等基于标注判断列表的指标，文章主张改用三步离线评估：先确认改动是否按预期生效，再用 Jaccard index、Rank Biased Overlap 等统计量判断是否只影响目标查询群体，最后估算 A/B 测试中效应量的大小。