Training Platforms & Experiment Tracking: 解释模型版本与产物管理。

Core Concept: 模型需版本化（权重+配置+训练信息+评估），并支持'注册-晋级-回滚'的生命周期管理。

数学机理：<strong>模型版本与产物管理</strong>——(1) <strong>产物内容</strong>——(a) <strong>权重</strong>（checkpoint）；(b) <strong>配置</strong>（架构/超参）；(c) <strong>训练信息</strong>（数据版本/代码 commit/环境）；(d) <strong>评估结果</strong>（离线指标/评估集版本）；(e) <strong>预处理</strong>（tokenizer/归一化参数——<strong>常被忽略但必需</strong>）；(f) <strong>模型卡</strong>（用途/局限/偏见——见治理题）。<strong>关键</strong>——只存权重不够（缺配置就无法加载）；故需'打包'（如 TorchScript/ONNX + 配置）。(2) <strong>生命周期（stages）</strong>——(a) <strong>实验（experiment）</strong>——训练中的版本；(b) <strong>候选（candidate/staging）</strong>——通过离线评估，待上线验证；(c) <strong>生产（production）</strong>——线上服务的版本（<strong>同一时刻通常只有一个</strong>）；(d) <strong>归档（archived）</strong>——被替换的版本（保留以便回滚）；(e) <strong>审批</strong>——晋级到生产需审批（见治理）。(3) <strong>核心能力</strong>——(a) <strong>版本化</strong>（每个版本唯一 id + 元数据）；(b) <strong>元数据</strong>（训练信息/评估结果）；(c) <strong>晋级/回滚</strong>（一键切换）；(d) <strong>血缘</strong>（连到数据/代码版本）；(e) <strong>权限</strong>（谁能晋级到生产）；(f) <strong>审计</strong>（谁何时做了什么）。(4) <strong>'一键回滚'的实现</strong>——(a) <strong>版本化产物</strong>（每个版本可独立加载）；(b) <strong>服务层的版本切换</strong>（配置驱动的模型加载）；(c) <strong>'上一版本'保留</strong>（常驻或快速加载）；(d) <strong>回滚演练</strong>（定期测试）；(e) <strong>灰度与快速回滚</strong>（见灰度发布题）。(5) <strong>常见问题</strong>——(a) <strong>'同名不同内容'</strong>（版本混乱）；(b) <strong>'配置与权重不匹配'</strong>（加载失败或行为异常）；(c) <strong>'预处理不一致'</strong>（训练用 A、推理用 B）；(d) <strong>'评估结果缺失'</strong>（无法判断该版本好坏）；(e) <strong>'无法回滚'</strong>（旧版本被删或依赖缺失）；(f) <strong>'多版本共存混乱'</strong>（生产环境跑了多个版本）。<strong>工具</strong>——(a) <strong>MLflow Model Registry</strong>；(b) <strong>SageMaker Model Registry</strong>；(c) <strong>自建</strong>（配合 CI/CD）。<strong>与其他问题的关系</strong>——(a) 与'实验管理'（上一题）；(b) 与'MLOps CI/CD'（晋级流程）；(c) 与'灰度发布'（版本切换）。<strong>实践建议</strong>——(a) <strong>打包权重 + 配置 + 预处理</strong>（完整产物）；(b) <strong>记录训练信息与评估结果</strong>（元数据）；(c) <strong>生命周期与审批</strong>（治理）；(d) <strong>保留旧版本</strong>（可回滚）；(e) <strong>定期回滚演练</strong>；(f) <strong>版本 id 唯一且可追溯</strong>。<strong>度量</strong>——(a) 回滚时间；(b) 版本元数据完整度；(c) '配置权重不匹配'的事故数；(d) 版本切换的成功率。

深度剖析与工程权衡：① <strong>'只存权重不够'</strong>——需配置与预处理参数；面试中能指出是深度理解的标志。② <strong>'预处理参数常被忽略'</strong>——tokenizer/归一化参数不匹配会导致'看起来正常但结果错'。③ <strong>'保留旧版本以便回滚'</strong>——且需定期演练（否则真出事时回滚失败）。④ <strong>'同一时刻生产只有一个版本'</strong>——多版本共存易混乱。⑤ <strong>'评估结果缺失'</strong>——无法判断版本好坏；故需记录。⑥ <strong>面试要点</strong>——被问'模型版本怎么管'，应给出'<strong>产物（权重+配置+预处理+训练信息+评估）+ 生命周期（实验/候选/生产/归档）+ 能力（版本化/元数据/晋级/回滚/血缘/权限）+ 回滚演练</strong>'；能指出'预处理参数常被忽略'是深度理解的标志。