待验证50% 置信事实精确时间
Google 在2017年发表的论文《Data Management Challenges in Production Machine Learning》指出，ML系统中最常见的技术债务来自数据管线而非模型本身
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Google于2015年在论文《Hidden Technical Debt in Machine Learning Systems》中系统阐述了ML系统的技术债务问题79% 相似已验证Google在论文《Hidden Technical Debt in Machine Learning Systems》中指出，真实ML系统中实际的ML代码只占整个系统的一小部分，周围环绕着大量的数据收集、特征提取、配置管理、服务基础设施和监控代码76% 相似已验证谷歌2015年发表的论文《Hidden Technical Debt in Machine Learning Systems》揭示ML系统中真正的机器学习代码只占极小比例71% 相似待验证Google的机器学习工程师总结出经验：机器学习系统中真正的机器学习代码往往只占5%，剩余95%是数据管道、服务封装和监控系统65% 相似待验证据Google 2023年研究报告，在实际生产ML系统中，模型代码仅占整个系统代码的5-10%62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/775785API
curl https://kongchang.com/api/v1/knowledge/claims/775785MCP
get_claim(id=775785)