M8-053M8: 系统架构、MLOps 与工程实战MLOps 与 CI/CDMedium
⚡闪卡盲测➔掌握度:

解释持续训练(CT)的触发条件与治理要点

🎯 深度面试自测闭环(先口述或草拟,再核对解析)
免登录记录进度:核心结论回忆 → 避坑清单自查 → 标记掌握或加入错题队列。
Step 1 · 尝试用 1–2 句话回答这道题的核心结论与适用边界
Step 2 · 勾选已覆盖的陷阱与追问思考
下一题: M8-054 →
📐 核心数学机理公式
retrain if  drift>δ ∨ metric<τ ∨ Δdata>D ∨ t≥t0\text{retrain if}\ \ \text{drift}>\delta\ \lor\ \text{metric}<\tau\ \lor\ \Delta\text{data}>D\ \lor\ t\ge t_0
⚡ 一句话直击要害答案
触发可为定时、数据量累积、漂移超阈或线上指标下降;治理核心是自动评估+质量门+灰度+自动回滚,避免自动上线劣化模型。

📌 核心要点提炼

  • •
    触发信号——定时(周期性)、数据量(累积到阈值)、漂移(数据/概念)、性能(线上指标下降)
  • •
    训练自动化——数据准备、训练、评估、注册全自动,含可复现环境
  • •
    质量门——新模型必须通过门禁才允许候选上线
  • •
    发布治理——影子/金丝雀/A-B,按业务指标决定放量
  • •
    回滚与护栏——自动回滚(指标跌破护栏)、保留 champion、可人工冻结自动训练

📐 数学机理与严密推导

数学机理:持续训练(continuous training, CT)——(1) 触发机制——(a) 定时(periodic)——固定周期(日/周)再训练;优点——简单可预测;缺点——滞后(漂移发生在两次训练之间)、浪费(无变化时也训练);(b) 数据量驱动——累积 Δdata 超过阈值(如新增 10% 数据);优点——数据效率高;缺点——数据快时过频、慢时滞后;(c) 漂移驱动——数据漂移(PSI/KL > δ)或概念漂移(线上指标下降);优点——精准、及时;缺点——漂移检测有假阳性/假阴性、需可靠监控;(d) 性能驱动——线上指标(含代理指标)低于 τ;优点——直接对齐目标;缺点——标签延迟导致反馈慢。(2) 训练自动化——(a) 数据准备——自动拉取最新数据、做时间点正确的特征回填;(b) 训练——固定环境与种子、记录超参与血缘;(c) 评估——离线指标 + 切片 + 鲁棒性;(d) 注册——写入模型注册表(版本、指标、血缘)。(3) 治理(governance)——(a) 质量门——新模型必须通过门禁(整体+切片+工程约束)才成为候选;(b) 发布——影子(对比但不影响用户)→ 金丝雀(小流量)→ 逐步放量 → 全量;(c) 决策依据——在线业务指标(而非仅离线);(d) 回滚——护栏(guardrail)指标跌破则自动回滚到 champion;(e) 冻结——异常时可人工暂停自动训练(避免'自动上线劣化模型')。(4) 风险——(a) 反馈环——模型上线改变数据分布(如推荐改变用户行为),导致训练数据有偏;(b) 数据泄漏——自动流水线可能误用未来数据;(c) 静默劣化——漂移缓慢时指标变化不显著,难触发;(d) 成本——频繁再训练成本高;(e) 不稳定——频繁切换模型导致用户体验波动。(5) 最佳实践——(a) 多触发并用——定时兜底 + 漂移/性能触发加速;(b) 门禁不可省;(c) 灰度放量;(d) 自动回滚护栏;(e) 人工冻结开关;(f) 记录每次训练与发布的决策(审计)。(6) 与在线学习的关系——(a) 持续训练——周期性批量再训练(慢);(b) 在线学习——流式增量更新(快,但需处理稳定性与灾难性遗忘);(c) 选择——延迟敏感且分布快变用在线学习;否则 CT 足够。与其他问题的关系——(a) 与 ML CI/CD(复用流水线);(b) 与漂移检测;(c) 与模型治理(审计);(d) 与在线学习。度量——(a) 再训练频率与成本;(b) 触发到上线的时延;(c) 自动回滚次数;(d) 线上指标随时间的稳定性。

🏭 深度剖析与工业落地权衡

深度剖析与工程权衡:① 无门禁的自动上线是危险反模式——面试中能指出'自动训练 + 自动上线'的风险是深度理解的标志。② 多种触发互补——定时兜底、漂移/性能加速。③ 反馈环是 CT 的隐性陷阱——模型改变数据分布,训练数据有偏。④ 灰度与自动回滚是安全网——先小流量、护栏跌破自动回滚。⑤ 漂移检测的假阳性会造成频繁误训练——需阈值与稳定性约束。⑥ 人工冻结开关必需——异常时可暂停自动化。⑦ 面试要点——被问怎么设计持续训练,应给出'多触发(定时/数据/漂移/性能)+ 自动评估 + 质量门 + 影子/金丝雀 + 护栏自动回滚 + 人工冻结';能指出反馈环与无门禁上线的风险是深度理解的标志。
⚠️ 常见面试陷阱与高频失分点
  • ✕
    自动训练后无门禁直接上线
  • ✕
    忽略反馈环导致训练数据有偏
🎯 面试官连环追问与延伸考察
  • ?
    为什么不能无门禁地自动上线再训练模型?
  • ?
    漂移触发与定时触发各有什么利弊?
⚡
想检验本题的肌肉记忆?进入 3 阶闪卡主动回忆盲测
隐藏答案遮罩,自测:审题锚点 ➔ 数理公式机理 ➔ 工业标杆代码与连环追问。3 分钟攻破认知盲区!
🎯 立即在闪卡中盲测此题➔
📚

关联知识库专题与交互式导图

← 上一题M8-052: 解释模型上线的质量门(quality gate)设计📋 返回题库下一题 →M8-054: 解释 ML 环境中环境与依赖的可复现性要求