已验证75% 置信事实精确时间
模型漂移是指生产环境中输入数据分布随时间变化导致模型预测质量下降
5
来源数
75%
置信度
长期有效
时效性
2026/7/23
首次发现
来源
相关事实
待验证模型漂移指模型上线后由于真实世界数据分布变化导致预测性能随时间下降的现象，应对手段包括持续监控、性能告警阈值和定期或触发式再训练。78% 相似已验证模型崩溃指AI模型使用前代模型生成数据训练后，经过多代迭代输出分布会逐渐偏离原始真实数据分布，丢失分布尾部信息75% 相似已验证模型漂移通常分为数据漂移和概念漂移两类，数据漂移指输入数据统计分布随时间变化，概念漂移指输入与输出关系本身发生变化74% 相似已验证数据漂移或概念漂移指真实世界数据分布发生变化而模型仍基于旧数据训练时性能会显著下降，业界采用持续学习和主动学习策略应对72% 相似待验证概念漂移指输入数据与目标变量之间的统计关系随时间发生变化，导致原本训练好的模型逐渐失效；通常分为突变型、渐进型和周期性三类。72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/597255API
curl https://kongchang.com/api/v1/knowledge/claims/597255MCP
get_claim(id=597255)