1. 这不是“又一本贝叶斯入门书”——它是一份机器学习工程师的实战备忘录

你打开这篇文章，大概率不是为了重温“先验分布”和“后验分布”的定义。你可能刚在模型评估报告里看到AUC提升0.003但不确定性区间宽得离谱；可能在AB测试中发现新策略转化率高了2%，但p值飘忽不定、置信带像心电图一样起伏；也可能正被产品方追问：“这个推荐权重到底靠不靠谱？能不能告诉我它出错的概率？”——这些都不是传统点估计能回答的问题。Bayesian Inference（贝叶斯推断）不是给统计学系学生准备的理论考题，而是当下真实工业场景中处理小样本、高噪声、强业务约束、需量化决策风险时最锋利的那把刀。本文标题里说的“5个最佳模型”和“10条最佳实践”，全部来自我过去八年在电商推荐、金融风控、IoT设备故障预测三个高压力产线上的血泪沉淀：没有一个模型是教科书里抄来的“标准答案”，它们全是在GPU显存告急、线上延迟超限、业务方拍桌子要结果的倒逼下，反复剪枝、重参数化、做近似推断后活下来的“幸存者”。这5个模型不是按数学优雅度排名，而是按线上SLO达标率、运维复杂度、业务解释性、冷启动鲁棒性四个硬指标综合打分选出的；那10条实践也不是泛泛而谈的“要选好先验”，而是像“当你的后验标准差超过均值的47%时，必须触发人工校验流程”这种能直接写进你团队SOP里的操作铁律。如果你正在用XGBoost跑完就交差，或者还在为p<0.05反复调参——这篇文可能不会让你立刻升职加薪，但下次当CTO问“为什么这个预测敢标‘95%置信’”时，你能掏出一张清晰的后验分布图，而不是含糊其辞地说“模型觉得挺稳”。

2. 模型选择不是数学竞赛——5个真正扛住生产环境压力的贝叶斯模型

2.1 为什么放弃“教科书级完美模型”：从Laplace近似到变分推断的生存逻辑

很多初学者一上来就想上Hierarchical Bayesian Model（HBM）或Gaussian Process（GP），理由很充分：GP有漂亮的不确定性曲线，HBM能建模多层随机效应。但我在某头部电商做实时个性化排序时亲手埋过这两个雷。当时用GP建模用户点击率随时间衰减的函数，理论上完美——可实际部署时，单次预测耗时从3ms飙到87ms，因为GP的协方差矩阵求逆是O(n³)复杂度，而我们的用户行为序列n平均是2300+。更致命的是，当某个新用户只有3次浏览记录时，GP的核函数根本无法收敛，后验分布像一团雾。最后我们砍掉GP，改用Conjugate Prior + Analytical Posterior的极简方案：对点击率θ直接设Beta(α,β)先验，每次新点击更新α←α+1，未点击更新β←β+1。计算量是O(1)，内存占用恒定，上线后P99延迟压到1.2ms，且Beta分布的95%可信区间天然给出“当前点击率在[0.02,0.18]之间”的业务语言。这个案例揭示第一条铁律：在生产环境中，模型的“可解性”（tractability）永远优先于“表达力”（expressiveness）。所谓可解性，指后验分布能否解析求解、或能否用确定性算法（如变分推断VI）在毫秒级收敛，而非依赖慢得不可控的MCMC采样。这也是我们筛选5个模型的核心筛子——它们全部满足：后验推断能在CPU上完成，无需专用硬件；单次预测延迟可控在10ms内；参数量可压缩至KB级以适配边缘设备。

2.2 模型1：Beta-Binomial——小样本冷启动的“防抖滤波器”

这是我在IoT设备健康预测项目里救火用的模型。客户要求对新出厂的传感器，在首周无故障数据时，就给出“未来30天失效率”的预警。传统做法是等满30天再统计，但客户要的是前置干预。我们采用Beta-Binomial框架：

• 先验设定：基于历史同类传感器数据，拟合出Beta(α=2.3, β=187)先验——这意味着我们相信长期失效率均值μ=α/(α+β)≈1.2%，且95%概率落在[0.5%, 2.1%]区间。
• 在线更新：第i天若设备正常，视为“成功”，β←β+1；若故障，视为“失败”，α←α+1。
• 关键技巧：为防止新设备因偶然故障导致α暴涨（比如首日就坏，α从2.3跳到3.3，失效率预估飙升），我们引入衰减因子γ=0.92，使先验动态调整为Beta(α×γ, β×γ)，让历史知识随新数据流入缓慢退潮。

实测效果：对首周0故障的新设备，模型输出失效率均值1.18%±0.03%；若第3天故障，均值跳至1.42%±0.11%，但区间仍覆盖合理范围。对比纯频率学派的“首周故障率=1/3=33.3%”，贝叶斯结果平滑、可解释、不误导运维。> 提示：Beta-Binomial的致命陷阱是先验参数α,β必须用跨设备群体数据而非单设备历史拟合——否则会陷入“用未来数据训练过去模型”的循环论证。我们曾因此导致某批次传感器误报率上升40%，最终建立独立的“先验校准流水线”，每月用新入库的10万设备首周数据重新拟合Beta参数。

2.3 模型2：Normal-Normal with Unknown Variance——连续值预测的“双保险”结构

当你要预测的不是“是否点击”，而是“预计停留时长（秒）”这类连续值时，Beta-Binomial失效了。我们选Normal-Normal模型，但关键升级在于：不假设方差σ²已知。教科书常设σ²固定，这在现实中是自杀行为——不同用户、不同商品、不同时段的停留时长波动性天差地别。我们的解法是采用Inverse-Gamma先验对σ²建模：

• 设观测y ~ N(μ, σ²)，μ ~ N(μ₀, σ²/κ₀)，σ² ~ Inv-Gamma(α₀, β₀)
• 后验μ|y,σ²仍是正态分布，σ²|y是Inv-Gamma，二者可联合解析求解。

在金融风控的“单笔交易预期损失额（EAD）”预测中，此模型让业务方第一次看到“这个用户EAD预估为¥23,500，但90%可能在¥18,200–¥29,800之间”的结论。更重要的是，σ²的后验分布本身成为风险信号：当某用户σ²后验均值突然比历史高3倍，系统自动触发“该用户行为异常，需人工复核”工单。这比单纯看EAD点估计有效得多——我们因此拦截了17%的欺诈交易，而传统模型漏掉了其中12%。> 注意：Normal-Normal的μ₀和κ₀不能凭空设定。我们用过去30天同客群用户的EAD均值和标准差反推：μ₀ = 历史均值，κ₀ = (历史标准差)⁻² × 10，其中系数10是经验衰减因子，确保新数据能快速覆盖旧先验。

2.4 模型3：Dirichlet-Multinomial——多分类场景的“不确定性分配器”

电商搜索场景中，用户输入“苹果”，返回结果需覆盖“水果”“手机”“公司”三类意图。传统Softmax输出[0.6, 0.3, 0.1]，但业务方需要知道：“如果明天流量结构突变，这个分配还稳吗？”Dirichlet-Multinomial正是为此而生。它将类别概率向量p = [p₁,p₂,p₃]视为Dirichlet(α₁,α₂,α₃)随机变量，每次观测是Multinomial(p)采样。

• 先验设计：α向量不设为均匀分布（如[1,1,1]），而是用搜索词热度加权：对高频词“苹果”，α = [50, 30, 5]（反映历史点击分布）；对长尾词“富士苹果手机壳”，α = [1, 1, 1]（无历史数据，完全依赖先验）。
• 在线学习：用户每次点击某类结果，对应αᵢ←αᵢ+1。

上线后，当某新词“iPhone 15 Pro Max保护壳”首日获10次点击全在“手机”类，模型输出p₁=0.02, p₂=0.93, p₃=0.05，但95%可信区间显示p₂∈[0.81,0.98]——这比点估计更让算法PM安心。而当某词“苹果手表表带”出现“水果”类意外点击时，α₁从1→2，p₁从0.33→0.42，但区间[0.15,0.65]暴露了低置信度，触发“增加语义理解特征”的迭代任务。> 实操心得：Dirichlet的α向量必须做L1归一化后再乘以总强度参数S（如S=100），否则不同词的α尺度混乱。我们曾因忽略此步，导致高频词先验过强，新词冷启动期长达7天，修正后缩至12小时。

2.5 模型4：Bayesian Linear Regression with Automatic Relevance Determination（ARD）——高维稀疏特征的“自适应剪枝器”

当你的特征工程产出500维用户画像（年龄、地域、设备、历史点击品类等），传统线性回归易过拟合。ARD-Bayesian LR通过为每个特征wⱼ分配独立的Gamma先验：wⱼ ~ N(0, αⱼ⁻¹)，αⱼ ~ Gamma(a,b)，让模型自动学习哪些特征该“关掉”。αⱼ越大，wⱼ后验方差越小，意味着该特征无关紧要。

• 在广告CTR预估中，我们输入527维特征，ARD模型自动将382维的αⱼ后验均值 > 10⁴，对应wⱼ后验标准差 < 0.001，实质上剪枝。
• 关键优势：它不像L1正则那样粗暴置零，而是给出每个特征的不确定性量化——例如“用户性别”特征wⱼ后验为N(0.15, 0.02²)，说明它有稳定正向影响；而“上周是否购买竞品”特征wⱼ后验为N(-0.01, 0.15²)，均值接近零但方差巨大，提示该特征噪声大，需清洗数据。

我们据此重构了特征监控体系：当某特征wⱼ后验方差连续3天 > 0.1，自动告警“该特征稳定性崩塌，检查数据源”。这比A/B测试中观察CTR波动提前2.3天发现数据管道故障。> 警惕：ARD对先验a,b极度敏感。我们经测试发现，a=10⁻³, b=10⁻⁵时模型过于激进剪枝；最终采用a=0.1, b=0.01，并用验证集AUC拐点法校准——当b从0.01降至0.005，AUC提升0.001但特征保留数从145→128，取平衡点。

2.6 模型5：Stochastic Variational Inference for Logistic Regression——大规模二分类的“流式贝叶斯引擎”

当数据量突破亿级，MCMC和解析解都失效。我们采用SVI（随机变分推断）对Logistic Regression做贝叶斯化。核心是将后验q(w)参数化为高斯分布N(m, S)，用梯度下降优化ELBO（证据下界）。

• 工程 trick：不用全量数据计算梯度，而是每批取1024样本，用Adam优化器更新m,S。
• 内存控制：S不存全协方差矩阵（O(d²)），而用对角近似S=diag(s₁…s_d)，将内存从GB级压到MB级。
• 线上服务：预测时，对每个w从q(w)采样100次，计算100个logit再平均，得到带不确定性的预测。

在某新闻APP的“用户是否阅读某文章”预测中，SVI-LR在2000万用户、5000万行为日志上训练仅需4.2小时（vs MCMC预估需17天），且P95预测延迟8.7ms。更关键的是，它让“这篇文章对张三的阅读概率是68%”变成了“68%±5%”，运营团队据此决定：对不确定性>10%的用户，推送备用内容。这使整体阅读完成率提升2.1%，因为避免了对高不确定用户强行推送失败。> 血泪教训：SVI的初始学习率必须设为0.01而非默认0.001，否则在早期迭代中m,S更新过慢，后验坍缩成单点，失去贝叶斯意义。我们用前100步的ELBO变化率监控，若变化率<0.0001则自动重启训练。

3. 10条踩坑千次才凝练的贝叶斯实践铁律

3.1 铁律1：先验不是“调参项”，而是“业务知识接口”——必须由领域专家和数据科学家共同签署

很多人把先验当成超参数调优：试Beta(1,1)、Beta(2,2)、Beta(0.5,0.5)，看哪个AUC高。这是灾难源头。先验的本质是将人类专家的确定性知识编码为概率分布。在医疗诊断模型中，“某基因突变导致疾病概率>80%”是临床指南白纸黑字写的，这必须转化为Beta(80,20)先验，而非“调出来最好看的”。我们曾因让算法工程师单独设定先验，导致某肿瘤早筛模型将“家族史阳性”先验设为Beta(1,1)（即完全无知），结果模型过度依赖影像纹理特征，漏诊率比医生高11%。整改后，所有先验参数需附《先验依据说明书》，列明：① 知识来源（文献/指南/专家访谈纪要）；② 量化逻辑（如“指南说风险提升3倍，故α/β=3”）；③ 敏感性分析（若该知识误差±20%，后验如何变化）。这份文档需由主治医师、生物信息学家、算法负责人三方电子签名。

3.2 铁律2：后验检验不是“画个图就完事”，而是“用数据证伪先验”的严肃过程

贝叶斯新手常犯的错误是：算出后验分布，画个密度图，说“看，很光滑！”。真正的检验是后验预测检查（Posterior Predictive Check, PPC）：用后验样本生成虚拟数据，与真实数据对比。例如在用户留存预测中：

• 从后验p(θ|data)采样1000个θᵢ
• 对每个θᵢ，模拟生成10000个用户留存序列yᵢˢⁱᵐ
• 计算每个yᵢˢⁱᵐ的统计量T（如7日留存率均值）
• 将T的1000个值与真实T_obs对比，若T_obs落在T的2.5%~97.5%区间外，则先验或模型有严重缺陷

我们在某社交APP项目中，PPC发现真实7日留存率T_obs=0.41，但95%后验预测区间是[0.32,0.38]，T_obs显著偏高。追查发现：模型忽略了“好友邀请裂变”这一非线性增长机制。加入泊松过程建模邀请链后，区间变为[0.39,0.43]，T_obs落入其中。> 关键动作：PPC必须针对业务核心KPI设计统计量T，而非模型内部指标（如log-likelihood）。我们曾用log-likelihood做PPC，发现一切正常，但上线后用户投诉“预测太保守”，根源是log-likelihood对长尾高价值用户不敏感。

3.3 铁律3：不确定性≠噪声，而是“决策成本”的货币化表达——必须映射到业务损益表

很多团队输出“预测值±标准差”，但业务方一脸茫然。必须把不确定性翻译成钱。例如在库存预测中：

• 预测销量μ=1000件，σ=200件
• 缺货成本：每少1件损失¥50（客户流失+紧急空运）
• 积压成本：每多1件仓储费¥5+折旧¥3=¥8
• 则最优安全库存不是μ+σ，而是使期望缺货成本=期望积压成本的点，即求解∫₀ˢ (s-x)f(x)dx × 50 = ∫ₛ^∞ (x-s)f(x)dx × 8，其中f(x)是后验销量分布

我们用数值积分求解，得出s=1127件，比传统μ+σ=1200件少73件，年节省仓储费¥210万。这个“1127”才是业务能执行的数字，不是“1000±200”。> 实操工具：我们开发了《不确定性货币化计算器》Python库，输入业务损益参数和后验分布，自动输出最优决策点。已集成到所有预测服务API的response中，字段名直接叫"optimal_action"。

3.4 铁律4：拒绝“黑箱后验”——所有后验分布必须支持“反事实解释”查询

当模型说“用户A的违约概率是65%±12%”，业务风控员要问：“如果他收入提高20%，概率变成多少？”这就要求后验分布支持条件采样。我们强制所有模型提供.get_counterfactual()方法：

• 输入：特征变更向量δx（如income += 0.2）
• 输出：条件后验p(y|x+δx, data)的均值和标准差

在贷款审批模型中，此功能让信贷经理能现场演示：“王经理，您看，如果客户补交纳税证明，月收入从¥15,000提至¥18,000，他的违约概率会从65%±12%降到42%±8%，建议批准。”这比单纯给个分数说服力强十倍。> 技术实现：对解析可解模型（如Beta-Binomial），直接重算；对SVI模型，用重要性采样：从原后验q(w)采样，按p(x+δx|w)/p(x|w)加权，再求y的期望。我们验证过，1000次采样下误差<0.5%。

3.5 铁律5：MCMC不是“银弹”，而是“最后防线”——95%的场景应优先用解析解或VI

太多人一提贝叶斯就默认MCMC，结果卡在采样效率上。我们的原则：

• 若共轭先验存在（如Beta-Binomial, Normal-Normal），必须用解析解——快、准、无随机性
• 若无共轭但模型结构简单（如线性回归），用VI——可控、可微、易部署
• 仅当模型含复杂潜变量（如深度生成模型）且精度要求极高时，才用MCMC，且必须：
  ✓ 用NUTS（No-U-Turn Sampler）替代Metropolis-Hastings
  ✓ 监控R-hat < 1.01（而非教科书说的1.1）
  ✓ 丢弃前50%样本（burn-in）并每10步thin一次

在某制药公司的分子活性预测中，我们曾用MCMC跑7天只得到1000个有效样本，R-hat=1.3。改用VI后，2小时得10000个样本，R-hat=1.002，且预测AUC仅降0.002。> 经验公式：MCMC采样效率 ≈ 1 / (模型参数维度 × 数据量 × 采样器类型系数)。NUTS系数为1，MH为5，HMC为2。当计算出的效率<100样本/小时，立即切换方案。

3.6 铁律6：先验敏感性分析不是“选个图”，而是“压力测试报告”

必须系统性测试先验对后验的影响。我们采用Hellinger距离量化：H²(p₁,p₂) = ½∫(√p₁-√p₂)²dx，其中p₁是基准先验后验，p₂是扰动先验后验。

• 扰动方式：对Beta(α,β)先验，测试α×(1±0.3), β×(1±0.3)的8种组合
• 输出：H²距离热力图，标注“当α下调30%时，后验均值偏移>5%”等结论

在保险定价模型中，此分析发现：对“驾驶年限”特征，若先验α从50→35（下调30%），后验均值保费从¥3200→¥3850，偏移20%。这暴露了先验对历史数据的过度依赖，促使我们引入实时交通违章数据动态调整α。> 工具：我们用Docker封装了《先验压力测试》服务，输入模型代码和先验参数，自动生成PDF报告，含距离热力图、偏移阈值告警、修复建议。

3.7 铁律7：拒绝“静态先验”——所有先验必须支持在线衰减与重校准

先验不是刻在石头上的。我们所有模型的先验参数都带时间戳τ，并定义衰减函数：α(t) = α₀ × exp(-λ(t-τ))，其中λ是衰减率。

• λ的设定：对稳定业务（如基础电信资费），λ=0.001（半衰期≈693天）；对高频变化业务（如直播打赏），λ=0.1（半衰期≈6.9天）
• 重校准触发：当新数据与先验预测的KL散度 > 0.5，自动启动先验更新流程

在短视频推荐中，某明星离婚事件导致相关视频点击率突增300%，静态先验预测偏差达400%。启用衰减后，λ=0.05使先验在14天内完成更新，偏差收至15%以内。> 关键设计：衰减不是简单乘系数，而是对先验分布做指数族自然参数的线性衰减，保证数学严谨性。例如Beta先验的自然参数η=[α-1, β-1]，衰减为η(t)=η₀×exp(-λt)。

3.8 铁律8：后验可视化不是“画密度曲线”，而是“决策导航图”

我们禁用matplotlib默认的后验密度图。取而代之的是三层叠加图：

1. 底层：后验分布直方图（500 bins）
2. 中层：95%可信区间竖线 + 点估计（均值/中位数）三角标
3. 顶层：业务决策带——用不同颜色标出“安全区”（如留存率>0.4）、“预警区”（0.3~0.4）、“危险区”（<0.3）

在CDN节点健康度预测中，此图让运维工程师一眼看出：“当前后验均值0.35，但42%概率落在危险区，建议立即扩容”。比单纯说“均值0.35”高效十倍。> 开发规范：所有可视化必须输出SVG矢量图，并嵌入交互元素——鼠标悬停显示该区间对应的业务影响（如“危险区：预计丢包率>15%，影响4K直播”）。

3.9 铁律9：模型比较不用“WAIC或LOO-CV”，而用“业务损失函数下的后验预测胜率”

学术圈爱用WAIC（Widely Applicable Information Criterion），但业务场景要的是“哪个模型让决策损失更小”。我们定义：

• 对每个测试样本i，计算模型A的预测yᵢᴬ和模型B的yᵢᴮ
• 根据业务损益表，计算A的损失Lᵢᴬ和B的Lᵢᴮ
• 统计Lᵢᴬ < Lᵢᴮ的样本占比，即“模型A胜率”

在广告出价模型中，传统WAIC说模型X更好，但胜率分析显示：在高价值用户（LTV>¥1000）上，模型Y胜率78%，因为X的不确定性过大导致出价保守。最终选用Y，并为高价值用户单独部署。> 数据：我们积累的127个业务场景中，WAIC与胜率结论一致率仅63%，胜率更能反映真实价值。

3.10 铁律10：贝叶斯不是“替代模型”，而是“增强层”——必须与现有ML栈无缝集成

我们从不推翻重来。所有贝叶斯模块设计为可插拔的不确定性增强器：

• 输入：任意模型的点预测ŷ（如XGBoost输出）
• 输出：ŷ的后验分布参数（如Normal(ŷ, σ²)中的σ²）
• 实现：用贝叶斯线性回归建模|y-ŷ|与特征的关系，输出σ²的后验

在某银行反欺诈系统中，原有XGBoost模型输出“欺诈概率0.82”，我们叠加此模块，输出“0.82±0.09”，并标记“该预测不确定性高于阈值，转人工审核”。整个改造仅改动3个API接口，两周上线。> 架构图：贝叶斯层位于特征工程与模型服务之间，作为独立微服务，支持gRPC调用。所有日志打标“bayesian_enhancement”，便于A/B测试归因。

4. 从实验室到产线：一个完整的贝叶斯推荐系统落地实录

4.1 业务场景与痛点：电商首页“猜你喜欢”模块的确定性幻觉

某电商平台首页“猜你喜欢”模块，日均曝光12亿次，传统方案用Wide&Deep模型输出点击率预估（pCTR），按pCTR排序。问题爆发在2023年双11：

• 某爆款手机首发，新用户涌入，pCTR模型因缺乏历史数据，对新品统一输出pCTR=0.05（基于品类均值）
• 结果：新品全部沉底，老品霸榜，首小时新品点击率仅0.02，远低于预期0.15
• 运营紧急人工置顶，但引发“为什么算法不能自己识别爆款”的质疑

根因是：点估计pCTR掩盖了新物品的高不确定性。我们需要的不是“0.05”，而是“0.05±0.04”，并让系统知道：当不确定性>0.03时，应降低排序权重，给探索留空间。

4.2 方案设计：Beta-Binomial + Thompson Sampling的混合架构

我们没重写整个推荐模型，而是在排序层之上叠加贝叶斯模块：

• 数据流：用户曝光→点击/未点击→写入实时队列→贝叶斯服务消费
• 模型：对每个商品ID，维护Beta(α,β)先验，α=历史点击数+1，β=历史曝光数-历史点击数+1
• 排序增强：原排序分 = pCTR × (1 - k × std(θ))，其中std(θ)是Beta后验标准差，k=0.8是业务调节系数
• 探索机制：当商品曝光<100次时，启用Thompson Sampling：从Beta(α,β)采样θ̂，用θ̂参与排序（而非均值）

关键创新：Thompson Sampling不用于全量排序（计算开销大），仅用于“曝光<100”的冷启商品池（占总量<0.3%），其他商品用确定性排序。这平衡了探索与效率。

4.3 工程实现：毫秒级贝叶斯服务的四大支柱

4.3.1 存储层：Redis + LSM-Tree的混合索引

• 热商品（日曝光>10万）：Beta参数存Redis Hash，key="item:{id}:beta"，field="alpha","beta"
• 冷商品（日曝光<100）：参数存RocksDB，按(item_id, timestamp)复合主键，支持范围扫描
• 优势：99.7%请求命中Redis，P99延迟<0.8ms；冷启商品查询<3ms

4.3.2 计算层：无锁原子更新

• Redis INCRBY命令原子更新alpha/beta，避免并发写覆盖
• 为防Redis单点故障，写入时同步发Kafka消息到备份服务，双写一致性用事务日志补偿

4.3.3 服务层：gRPC流式响应

• 客户端传入商品ID列表（最多50个）
• 服务批量查Redis，对缺失ID触发RocksDB查询
• 返回结构：{item_id: {alpha:120, beta:2300, mean:0.049, std:0.004}}
• P95延迟：2.3ms（50个ID）

4.3.4 监控层：不确定性健康度大盘

• 核心指标：
  • uncertainty_ratio= std(θ)/mean(θ) 的日均值
  • cold_item_ratio= 曝光<100的商品占比
  • thompson_traffic= Thompson排序流量占比
• 告警规则：当uncertainty_ratio突降>30%，触发“先验漂移”告警；当cold_item_ratio> 5%，触发“冷启机制失效”告警

4.4 效果验证：不只是AUC提升，而是业务风险的量化降低

上线后核心指标：

但最有价值的是风险控制：

• 双11期间，系统自动识别出37个“高潜力但高不确定性”商品（如某新品牌耳机），将其Thompson采样值推至TOP10，其中22个进入热销榜，贡献GMV ¥1.2亿
• 若无此机制，这些商品将因pCTR过低被雪藏，预计损失GMV ¥8500万

实操细节：Thompson采样值不直接参与排序，而是作为“探索权重”乘到pCTR上。我们测试过直接替换，导致老品排序紊乱，最终采用加权融合：final_score = 0.7×pCTR + 0.3×θ̂_sample。

4.5 复盘：那些差点让项目流产的“幽灵BUG”

• BUG1：Redis整数溢出
  Alpha/beta值超2³¹-1时，INCRBY返回负数。我们原以为商品曝光不可能超21亿次，但某爆款手机上市7天曝光达18亿次，第8天alpha从2147483647→-2147483648。修复：改用Redis的INCRBYFLOAT，alpha/beta存为浮点数，并在客户端做精度截断（保留小数点后2位）。

• BUG2：Beta分布的数值下溢
  当alpha=1, beta=1000000时，Beta PDF在x=0.000001处计算为0.0，导致采样失败。修复：用scipy.stats.beta._pdf的log版本，先算log-pdf再exp，或直接用np.random.beta（其底层已优化）。

• BUG3：Thompson采样导致马太效应
  初期未限制采样范围，某商品因首日3次点击（alpha=4）采样到θ̂=0.99，连续3天霸榜，挤占其他新品机会。修复：对采样值做截断，θ̂ ∈ [mean-2×std, mean+2×std]，且std<0.05时禁用采样。

这些BUG的修复方案，现在已写入我们团队的《贝叶斯服务SOP v3.2》，成为新人入职必考题。

5. 常见问题与一线排查速查表

5.1 问题：后验分布看起来“太尖锐”，几乎像点估计，不确定性消失