待验证50% 置信解决方案精确时间
作者建议通过建立输出行为基线来检测模型漂移，依赖嵌入向量的余弦相似度和统计分布变化（如KL散度、JS散度）检测异常
1
来源数
50%
置信度
长期有效
时效性
2026/9/7
首次发现
来源
涉及实体
相关事实
待验证检测输入分布漂移的常用方法包括对输入文本生成 embedding 向量后计算统计距离（如 KL 散度、Wasserstein 距离）、监控主题分布变化、追踪输入长度复杂度特征以及监控裁判分数分布偏移72% 相似待验证勒贝格测度的构造先定义外测度，再通过卡拉泰奥多里准则筛选出可测集67% 相似待验证Evidently 内置了 KS 检验、卡方检验、PSI 等多种统计检验方法来量化漂移程度，并根据特征数据类型自动选择合适的检验方法66% 相似待验证用户可通过构建个人「回归测试集」——保留固定代表性提示词定期检验模型输出质量——来客观验证模型是否退化66% 相似待验证将生产环境中出现的异常trace转化为新的回归测试用例，是构建LLM评估集的有效方法66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/868424API
curl https://kongchang.com/api/v1/knowledge/claims/868424MCP
get_claim(id=868424)