待验证50% 置信解决方案精确时间

特征漂移检测监控输入特征本身的分布变化，帮助区分根因在数据上游还是模型本身

1

来源数

50%

置信度

长期有效

时效性

2026/9/30

首次发现

来源

服务健康但模型出错，谁该为这场事故负责？

涉及实体

特征漂移检测concept

相关事实

待验证评估这类模型追踪看板项目的关键维度包括数据来源、更新频率、评测维度和透明度76% 相似待验证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75% 相似待验证Evidently 侧重于数据与模型监控，擅长检测数据漂移、目标漂移以及模型性能衰减，并生成可视化报告74% 相似待验证构建带有任务特定指标的评估数据集能将回归问题从事后被动发现转变为事前主动测量73% 相似待验证过拟合评测集的手段包括将评测数据混入训练语料、间接的网络爬虫污染、教学式微调以及训练模型识别评测场景72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/962751

API

curl https://kongchang.com/api/v1/knowledge/claims/962751

MCP

get_claim(id=962751)