题目重点：模型实验好，仍需检验长期用户损伤，不靠更大声地争辩。
题意与假设
这道练习题保留了面经中值得训练的核心约束，并将需要澄清的条件单独列出。现场拿到变体时，先和面试官确认这些条件。
- 讨论自己能核验的模型/实验；经理担忧不自动证明模型错，也不是只用短期指标压过风险。
- 收益、长期损伤、样本周期与干预范围需明确，没有真实实验结果时仅讲应对框架。
解题路线
- 复述短期赢在哪、哪些群体及effect size，同时问经理长期损伤假设：疲劳、重复、信任、生态供给还是满意度。把抽象担忧变成可观察指标和失败阈值。
- 检查实验数据泄漏、novelty效应、指标替代和短观察周期；设计长期holdout、分群护栏、逐步rollout及回退。若风险重大先限曝光，不等待长期结果期间全量放大。
- 和经理约定决策时间与证据：哪种结果继续、哪种暂停、谁签字。报告自己如何协调产品/分析/模型团队并反思原目标；“用数据说服”不能代替共同定义可推翻假设。
手动走一遍
点击涨但用户投诉重复推荐，补重复率/满意度护栏，保持holdout观察回访；数据仅为说明，不能冒充真实案例。长期留存还未到观察窗口，记录未决风险并限制流量，而非称已证明长期无害。
规模与取舍
实验时长由目标周期和效应规模决定；长期holdout有机会成本。主答围绕假设→验证→决策→结果，少列术语。
易错点与追问
容易失分的边界
- 只看p值不看业务影响和多重比较。
- 把不同意见的人描述成不懂技术，会掩盖真正的决策风险。
继续深挖
- 短期收益足够大但长期风险无法完全测量，如何设置退出条件？
- 多团队共同影响留存时，如何避免将相关性当模型因果？
