完整题目
在推荐系统或信息检索 pipeline 中，召回和粗排阶段分别承担什么功能？它们在整个排序流程中的定位、目标和协同关系是什么？请结合实际场景说明其设计意义。
本文目录
阶段职责
召回在大候选池中用低成本方法生成候选集合，优化重点是覆盖、吞吐、尾延迟和新鲜度。它通常可以多带入一些不相关项，但漏掉的相关项无法由后续排序补回。
粗排位于召回与精排之间，用比精排便宜、比召回表达力更强的模型淘汰低价值候选。它是可选层：是否需要、每层保留多少候选、模型多大，都由候选规模、精排成本和服务预算决定，不存在通用的“亿级到千级”或“十毫秒”阈值。
协同关系
候选库 → 多路召回或 ANN → 合并去重 → 可选粗排 → 精排 → 约束与多样性重排
召回可来自协同过滤、双塔向量、图、热门或业务规则。粗排可用轻量 GBDT、浅层网络或蒸馏模型，并应覆盖精排所依赖的主要目标。若粗排标签、特征或目标与精排不一致，会产生选择偏差，把后续本可识别的优质项提前删除。
视频推荐可以并行召回关注作者、历史兴趣、相似内容与探索候选；粗排再估计点击、观看或满意度。小候选池或轻量精排可能直接省略粗排。验收应画出候选深度、召回率和延迟成本曲线，并监控覆盖、重复率、保真度及长尾表现。
