PSI
一种用于衡量两个数据集分布差异的统计指标，常用于数据漂移检测，通过分箱后比较各区间样本占比变化来计算，类似对称化KL散度
时间轴 (近 90 天)
KL 散度和 PSI（群体稳定性指标）等统计量常用于度量批量数据的分布偏移，但难以直接套用于 Agent 序列化、带上下文的行为。
PSI 检测主要适用于协变量漂移和标签漂移，因其只关注特征分布而不涉及标签。
PSI 的简化判读标准是：PSI < 0.10 表示几乎没有显著变化，PSI 达到 0.20 表示存在显著漂移。
PSI 的计算方式是将连续特征分箱（通常 10 个区间），统计每个区间在基线数据集与新数据集中的样本占比，对每个箱求 (实际占比 − 期望占比) × ln(实际占比 / 期望占比) 并求和。
PSI 数学上类似于对称化的 KL 散度，对分布的相对变化较为敏感。
使用 PSI 时需注意：分箱边界必须沿用基线数据的边界；每个箱内样本量不宜过小；对零占比箱需要加平滑项；只处理数值型或分箱后的类别特征。
将 PSI 作为 CloudWatch 指标发布时，建议使用「特征名」「数据集版本」「模型版本」作为维度，以便过滤、聚合和配置告警。
业界通常通过PSI（Population Stability Index）、KL散度等统计指标持续监测数据漂移程度，并在超过阈值时触发模型重训练
分布漂移检测的常用方法包括KL散度（Kullback-Leibler Divergence）、KS检验（Kolmogorov-Smirnov Test）和PSI（Population Stability Index）指标
所有JetBrains IDE都基于IntelliJ Platform构建，提供PSI语法树、VFS虚拟文件系统和代码索引引擎等核心组件
还有 3 条时间轴事件
全部知识事实 (13)
KL 散度和 PSI（群体稳定性指标）等统计量常用于度量批量数据的分布偏移，但难以直接套用于 Agent 序列化、带上下文的行为。
50%待验证PSI 检测主要适用于协变量漂移和标签漂移，因其只关注特征分布而不涉及标签。
50%待验证PSI 的简化判读标准是：PSI < 0.10 表示几乎没有显著变化，PSI 达到 0.20 表示存在显著漂移。
50%待验证PSI 的计算方式是将连续特征分箱（通常 10 个区间），统计每个区间在基线数据集与新数据集中的样本占比，对每个箱求 (实际占比 − 期望占比) × ln(实际占比 / 期望占比) 并求和。
50%待验证PSI 数学上类似于对称化的 KL 散度，对分布的相对变化较为敏感。
50%待验证使用 PSI 时需注意：分箱边界必须沿用基线数据的边界；每个箱内样本量不宜过小；对零占比箱需要加平滑项；只处理数值型或分箱后的类别特征。
50%待验证将 PSI 作为 CloudWatch 指标发布时，建议使用「特征名」「数据集版本」「模型版本」作为维度，以便过滤、聚合和配置告警。
50%待验证业界通常通过PSI（Population Stability Index）、KL散度等统计指标持续监测数据漂移程度，并在超过阈值时触发模型重训练
50%待验证分布漂移检测的常用方法包括KL散度（Kullback-Leibler Divergence）、KS检验（Kolmogorov-Smirnov Test）和PSI（Population Stability Index）指标
50%待验证所有JetBrains IDE都基于IntelliJ Platform构建，提供PSI语法树、VFS虚拟文件系统和代码索引引擎等核心组件
50%待验证cgroup v2引入了压力阻塞信息（PSI），允许用户态程序实时感知系统资源压力状态
50%待验证PSI < 0.1 表示分布稳定，0.1-0.25 表示需要关注，> 0.25 表示分布发生显著变化、模型可能需要重新训练
50%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
50%