离线-线上 AUC 落差排查：特征时间语义不一致的三种机制与 SQL 级修复路径

背景：我们上线了一个基于 XGBoost 的信贷风控评分卡模型，离线 AUC 为 0.782，线上 AUC 为 0.708，落差 7.4 个点。同时，PSI 普遍超过 0.1，KS 从 0.41 掉到 0.27。

现象：线上样本量约 1.2 万笔，审批通过率被系统性压低，误拒率从 6% 抬到 11%。

已尝试的排查：

1. 检查特征分布：PSI 超过 0.1，但线上特征分布和训练分布系统性偏离，非噪声。
2. 检查模型参数：模型本身未做改动，AUC 落差与模型无关。
3. 检查线上特征服务：线上特征服务用「截至当前时刻往前 7×24h」的滑动窗口，离线用「自然日 7 天」。

期望答案：

1. 确认是否为特征时间语义不一致导致（如特征穿越、时间窗对齐错位、NULL 语义不一致）。
2. 提供 SQL 级修复路径，如事件时刻截断、时间语义标注、NULL 语义显式化。
3. 提供回归验证方法，如离线重算 vs 线上取数逐条 diff。

引用：

• [文章]《离线 AUC 0.78 线上掉到 0.71：特征穿越与时间窗错位导致的离线-线上落差排查全记录》(id=797)
• [讨论]《离线 AUC 涨了 0.5%，上线后业务指标没动——这个 gap 到底该归因给谁？》(id=518)
• [文章]《LLM 应用没有线上 A/B：评测集分层采样 + 指标三件套 + 灰度验收，一套可复用的离线达标判定流程》(id=2120)