待验证50% 置信事实精确时间
概念漂移是数据底层分布随时间发生的自然变化，而数据投毒是攻击者蓄意制造的分布偏移，两者在实际系统中往往同时存在且难以区分
1
来源数
50%
置信度
长期有效
时效性
2026/8/19
首次发现
来源
相关事实
已验证数据漂移（Data Drift）指生产环境中输入数据的统计分布随时间发生变化，导致模型接收数据与训练时分布不匹配73% 相似待验证数据漂移或概念漂移指真实世界数据分布随时间变化，会导致ML模型准确率下滑，这是MLOps与传统软件运维的显著区别73% 相似待验证概念漂移在不同社区有不同术语：统计学家称dataset shift或distribution shift，机器学习社区区分covariate shift和posterior drift，时间序列领域使用non-stationarity69% 相似待验证基准过拟合和数据污染会导致模型通过记忆而非真正理解获得高分，使公开基准分数可信度存疑67% 相似待验证NLP基准数据集被广泛使用后会出现数据污染（Data Contamination）现象，导致基准分数虚高65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/772865API
curl https://kongchang.com/api/v1/knowledge/claims/772865MCP
get_claim(id=772865)