周一早上，收货仓的检验员面前摆着 40 个待检的叶菜批次，排班表上却只有 10 个检测名额。抽哪 10 个？随机抽签最公平，可供应商的历史、进货季节和上游环境并不相同，把它们当作同等风险，检测能力就被平均摊薄了。纵横国际官网讨论抽检优先级，起点就是这个约束：名额固定，先检查谁。
两种抽法的差别在哪里
| 对比维度 | 随机抽检 | 基于风险的抽检 |
|---|---|---|
| 抽样规则 | 每批机会均等 | 按风险优先级由高到低排序 |
| 新供应商 | 与其他批次同等对待 | 无历史，标注“不确定”，进入探索名额 |
| 数据反馈 | 结果无偏，但不随经验改进 | 结果回写，下一轮更新排序 |
| 可解释性 | 不需要 | 需要说明是哪些因素推高了排序 |
| 主要风险 | 高风险批次被稀释 | 越常被查的对象越像高风险 |
一本示意账：40 批抽 10 批
下面的数字是为说明逻辑而设的示意值，不是任何真实检测结果。假设 40 个批次里实际有 4 批存在问题，但检验员事先并不知道是哪几批。
- 随机抽 10 批：平均能抽到 10 × 4 ÷ 40 = 1 批。四批问题批次一个都没抽中的概率约为 30%，也就是说，重复十周，大约有三周会空手而归。
- 按风险排序抽前 10 批：如果模型恰好把其中 3 批排进了前 10（示意），就能抽到 3 批。
这本账没有告诉我们模型有多准。它只说明，排序有效与否，差别就体现在同样的 10 个名额上。如果排序其实和抛硬币差不多，命中数会回到平均 1 批，这正是后面必须做验证的原因。
还有一点要说清楚：没被抽中的 30 批，并不因此被证明合格。风险排序不会增加检测总量，只改变名额的分配方式，其余批次的把关，仍然靠供应商资质审核、进货查验和冷链温度记录这些日常控制来完成。
风险分交出的，只是一张检查顺序表
模型的输入通常包括 Supplier（供应商）、Product（产品类别）、Season（季节）、Environment（环境，如天气与产地条件）、Inspection History（抽检历史）和 Supply Chain Stage（供应链环节）。输出是每个批次的风险分与排序，例如 B-07 为 0.81、B-02 为 0.64、B-11 为 0.38、B-05 为 0.12（示意）。0.81 并不表示 B-07 不合格，它只表示这一周里更值得先查。合格与否，依据仍然是法定检验方法与适用标准，以现行版本为准。输入还有时效问题：天气、季节和到货信息如果滞后，排序就会建立在过期的世界上，所以这些字段要随批次到货及时更新，而不是每季度整理一次。
分数怎样被拆成各项贡献，82 分从哪里来有一张拆解图；历史抽检记录怎样被整理成模型能读的特征，抽检历史怎样变成检查优先级讲了完整的闭环。
没有历史的批次怎么办
再设想一个场景：一家新合作的供应商，抽检历史是空白（示意）。只按历史不合格次数排序，它的次数是 0，会被排到队尾，这恰恰是最不该有的结论。没有记录，说明没有证据，并不等于没有风险。
更合理的做法有两步。先用同产品类别、同产地或同季节的整体水平作为先验，给它一个起点，并同时标出“不确定”。再把这类批次放进探索名额，优先抽几批，让系统尽快补上第一批数据。模型对自己不熟的对象应当能说“把握不大”，这就是拒识（reject option）。为什么不能只看不合格次数，这一篇列出了三种典型的判断失误。
抽样偏差：越常被查，越像“高风险”
风险抽检最隐蔽的陷阱，是只有被抽中的批次才有检测结果。设想供应商 X 因为历史上出过一次问题，每周被抽 3 次；供应商 Y 从没被抽过（示意）。一年后，X 名下有几条不合格记录，Y 名下一条也没有。模型据此认定 X 风险高、Y 风险低，可 Y 的“干净”只是没人去查过，而不是真的没有问题。被查得多，记录就多；记录多，分数就高；分数高，又会被查得更多，一个自我强化的循环就此形成。“没检出”本身也有边界：检测项目没覆盖到的风险，不会在记录里留下任何异常，模型也就学不到。
对策有三类：
- 保留随机名额：假设每周 10 份里留 2 份做完全随机抽检（示意），这部分样本没有被排序筛选过，可以用来补上盲区，也可以用来评估模型。
- 探索与利用并行：多数名额用于检查已知高风险对象（利用），少量名额用于抽查没有数据的对象（探索）。
- 样本加权：被抽中概率越低的样本，训练时权重越大，用来抵消抽样方式本身带来的偏斜。
怎样验证排序真的有用
- 用时间切分：只拿过去的记录训练，拿之后的记录检验，避免未来信息泄漏。随机打乱数据后再切分，会让模型偷看到未来。
- 看命中率的提升：排在前四分之一的批次，实际异常率是否明显高于随机抽出的批次？高不出来，排序就没有价值。
- 检查分数是否可信：分数 0.8 的批次，长期来看是否大约有八成出现问题？可以用 Brier 分数与 ECE 来量化，必要时做概率校准。
- 分季节、分品类看：整体指标好看，某个品类或某个季节却可能崩掉。
- 排序要赶得上决策：收货口通常要在批次入库前决定抽哪些，模型必须在这个时间点之前给出排序。检验员有充分理由时可以调整排序，调整的原因和结果要记录下来，作为下一轮的反馈。
2026 年 9 月发表在 Frontiers in Food Science and Technology 的一项研究，在欧盟 RASFF 2019–2025 年共 22,643 条通报上做严重程度分类，用概率校准把 ECE 由 0.267 降到 0.043，并输出共形预测集。它面对的是通报的严重程度，并不是批次抽检排序，但做法说明了两点：分数要校准之后才有资格被当作概率；作者也明确这是原型，假设时间平稳，需要部署验证。
排序只决定企业自主检验预算里的先后，法规规定的抽样与检验要求不会因为模型而改变。如果排序靠前的批次检出率并不比随机抽出的更高，这个模型现阶段只能作为参考，不能改变抽检方案。