解读

面试官想验证三件事：

1. 你是否理解“模型≠代码”——AI 上线后仍随真实数据分布漂移而衰减；
2. 你是否能把技术风险翻译成业务损失，并给出国内可落地的监控-重训闭环方案；
3. 你是否熟悉国内合规红线（算法备案、数据出境、个人信息保护），知道监控不仅是准确率，还要监控偏见、违规率、投诉率。

一句话：考察你把“模型会老化”变成“业务可持续”的产品思维。

知识点

1. 数据分布漂移（Data Drift & Concept Drift）：真实世界用户行为、节假日、竞品策略、监管政策都会导致输入分布或标签关系变化。
2. 反馈闭环延迟：AI 的“标注真值”往往滞后（金融违约30天、物流签收12小时），需要设计“可接受延迟”的滑动窗口评估。
3. 国内特有触发源：618/双11大促、短视频热点、疫情突发、政策窗口（教培“双减”），会在几天内让模型失效。
4. 监控指标三层：
   ① 系统层——QPS、延迟、GPU利用率；
   ② 模型层——AUC、F1、Calibration、PSI（Population Stability Index）；
   ③ 业务层——转化率、投诉率、偏见率（性别/地域差异）、合规率（个人信息最小化使用）。
5. 自动重训门槛：
   ① PSI>0.2 或 AUC 下降>3% 持续两天；
   ② 用户投诉量环比+50%；
   ③ 监管抽检出现“高风险”样本。
6. 重训工程化：特征仓库回溯、样本权重热启动、灰度AB Shadow、回滚策略、模型版本备案号更新。
7. 传统软件补丁：确定性逻辑 Bug，修复即稳定；不依赖外部数据分布，故无需“持续学习”。

答案

“AI 产品本质是‘用过去数据预测未来’，而未来会随时被国内特有的业务节奏、政策变化和用户热点改写。传统软件的逻辑是确定性的，只要代码不变，输出就恒定，所以季度补丁即可。

AI 模型上线后，数据分布持续漂移，若无人值守，三天内 AUC 可能掉 5%，双11当天转化率就可能掉 15%，直接损失 GMV。因此我们必须做三件事：

1. 在线监控：把 PSI、AUC、业务转化率、性别偏见率同时推送到飞书告警，阈值参考工信部《互联网信息服务算法推荐管理规定》要求的‘显著风险’标准。
2. 自动重训：一旦 PSI>0.2 且持续两天，调度平台自动拉取最近 30 天样本，走热启动训练→灰度 5% Shadow→评估无回退→提交网信办变更备案→全量。
3. 成本平衡：用‘样本遗忘率’策略，只重训‘增量+高权重’数据，把 GPU 成本压到单次不高于上一版本的 120%，确保 ROI 为正。

这样就把‘模型老化’变成了‘业务可持续’，而传统软件没有分布漂移问题，自然不需要这套闭环。”

拓展思考

1. 如果企业没有 GPU 弹性资源，如何用“模型补丁”方式缓解？——可引入“增量树”或“小模型叠加”做热插拔，先保业务，再全量重训。
2. 监管要求“重大算法更新需重新备案”，如何在自动重训流水线里嵌入“备案材料自动生成”节点？——把模型 diff 报告、数据变更说明、风险评估表模板化，重训完成后自动打包提交。
3. 当监控显示“模型性能未降但用户投诉上升”时，如何定位？——需引入可解释性工具（SHAP、LIME）做样本级归因，发现“合规敏感特征”被误用，立即触发熔断而非重训。