研究者提出分布偏移下的在线模型测试方法

Joran Leest 等研究者在 arXiv（2610.33594）提交论文，提出一种分布偏移下的在线模型测试方法：在已知标签的受控基线上复现观测到的偏移，以估计模型当前性能。 该方法区分偏移的两类机制——总体变化与数据管道完整性问题，并估计修复数据完整性问题可带来的性能增益。据论文，真实数据集上模拟故障的实验显示，分离两类来源能改善估计效果；流失预测案例展示了该方法对监控与修复排序的支持作用。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。