DoorDash MLE：餐厅推荐和 ETA 特征怎么讲

💡 核心要点 (Key Takeaways)

• DoorDash MLE 不能只讲推荐模型，要把地理位置、营业状态、ETA 和配送容量讲进去。
• 推荐系统要分 retrieval、ranking、reranking、feature store、serving 和反馈闭环。
• 实验指标要同时看用户、商家、配送员和平台侧 guardrail。

DoorDash 推荐题的业务约束

餐厅推荐不同于普通内容推荐。候选人必须考虑距离、营业状态、库存、配送 ETA、store capacity、用户偏好、促销、冷启动和区域供需。只说 two-tower + ranker 会显得离业务太远。

系统链路怎么拆

建议按 candidate generation、retrieval、ranking、reranking、business rules、serving、logging、training loop 来回答。每一层都要说明输入、输出、延迟和失败路径。

• Retrieval：地理半径、 cuisine、历史订单、相似用户、热门店。
• Ranking：CTR、conversion、ETA、质量、价格、配送费、容量。
• Feature：实时 ETA、距离、营业状态、用户画像、store quality。
• Serving：cache、fallback、feature freshness、latency budget。

ETA 特征怎么讲清楚

ETA 不是一个静态字段。它依赖准备时间、距离、交通、司机供给、订单堆积、天气和时段。MLE 候选人要说明 ETA 特征如何生成、多久更新、线上缺失时如何 fallback，以及错误 ETA 会如何影响排序和用户体验。

实验指标和 Guardrail

推荐实验不能只看点击率。Primary metric 可以是下单转化或用户满意度，但 guardrail 要覆盖取消率、ETA 误差、商家分布、配送员等待时间、投诉和长期留存。

合成复盘：从模型回答改成系统回答

候选人常见问题是先讲 embedding 和 loss，再被追问“商家爆单怎么办”“ETA 变差怎么办”。训练后应先建立业务约束，再讲模型如何服务约束，这样回答更适合 DoorDash MLE 场景。

冷启动怎么答

冷启动是 DoorDash 推荐轮的高频追问，要分三种情况分别回答，不要混在一起讲。新店冷启动：没有订单历史，协同信号不可用，此时主信号是店铺属性（菜系、价格带、评分、菜单完整度）加区域热度基线，用 content-based 模型或区域热门兜底，目标不是精准而是不漏掉，等它积累到最低订单量后再逐步把权重移向协同信号。新用户冷启动：没有偏好历史，先靠位置、时段、天气这类上下文信号做粗排，再用前几单快速更新画像，并明确说明画像更新的速度和置信度如何控制。新区域冷启动：供给本身稀疏，候选集小，此时要主动说会放宽距离约束、优先保证基础供给覆盖，而不是追求排序精度。回答的关键是每一段都讲清「这个阶段用什么信号、什么条件触发切换到下一阶段」。练习方法：把三种冷启动各画一条切换路径——初始信号、触发条件、目标信号，练到 2 分钟内讲完。

离线评估和线上线下一致性怎么讲

模型讲完之后，面试官的下一问通常是「你怎么评估它」。回答分两层。离线层：推荐模型用分用户分组的 GAUC 比整体 AUC 更有说服力，因为用户间偏好差异大，整体指标会掩盖分组差异；同时必须说明时间切分方式——用较早数据训练、较晚数据评估，防止标签泄漏；排序质量可以补 top-k hit rate 和 NDCG，更贴近线上展示位。线上线下一致性层是 MLE 候选人最容易露怯的地方：离线提升不落到线上，常见原因要能主动列出——实时特征在线分布和训练分布不一致、标签回流延迟导致训练样本不完整、线上日志来自旧策略存在选择偏差。讲完原因再给监控方案：线上特征分布对比、打分分布监控、A/B 结果分层看。练习方法：挑自己一个项目书面回答三个问题——用了哪个离线指标、怎么切分数据、线上离线差距多大以及怎么解释。答不上来的，优先补这块。

面试现场怎么展开：45 分钟节奏分配

推荐轮一般是 45 分钟，稳定的结构是：前 5 分钟澄清——优化目标是什么（点击率、下单转化、留存还是长期目标）、已有哪些数据和信号、当前 baseline 方案长什么样，这三个问题决定回答的天花板；接下来 10 分钟讲数据和特征——特征来源（用户侧、物品侧、上下文侧）、在线离线怎么算、实时特征从哪来；中间 15 分钟讲模型——先给召回加排序的两段式结构，再挑一个排序模型深入（特征交叉、负采样、多目标权重），冷启动的答案就嵌在召回环节里；再 10 分钟评估——离线指标、A/B 设计（看哪个指标、跑多久、怎么分层读结果）、线上线下一致性；最后 5 分钟讲取舍——延迟预算、资源成本、必须牺牲时先砍什么。三个高频减分点：不澄清目标直接上模型架构；全程没提冷启动；只谈 AUC 说不出线上看哪个指标。练习方法：把完整 45 分钟答案在白纸上走一遍，每段计时，标出哪段超时。