解读

面试官想验证三件事：

1. 你是否把“模型上线”视为持续运营而非一次性交付；
2. 能否用数据而非拍脑袋决定何时重训；
3. 是否兼顾成本、合规与业务节奏，给出可落地的国内实操方案。
   回答时要体现“监控-诊断-决策-执行”闭环，并呼应国内数据合规、算力预算、灰度发布等现实约束。

知识点

1. 数据漂移（Data Drift）与概念漂移（Concept Drift）的定义、量化指标（PSI、KS、KL散度、MAE对比基线）。
2. 性能下降的多维度定义：业务指标（转化率、坏账率）、模型技术指标（AUC、F1）、系统指标（延迟、吞吐）。
3. 触发阈值设定方法：双阈值门控（业务+技术）、连续N天告警规则、贝叶斯变点检测。
4. 重训成本模型：GPU预算、数据标注费用、合规审批周期、人力排期。
5. 国内合规要点：个人信息保护法下的数据最小可用、敏感数据出境评估、模型备案更新。
6. 重训策略：全量重训、增量/热启动、蒸馏小步快跑；灰度AB、影子模式、回滚预案。
7. 组织流程：模型运营例会、数据-算法-产品三方评审、变更管理委员会（CCB）审批。

答案

“我们会把重训纳入模型生命周期管理，分为‘例行节律’与‘应急触发’两条线。

1. 例行节律
   对金融、电商等高敏场景，采用‘双周小体检+季度大升级’：

   • 小体检：每两周跑批PSI、KS、AUC对比基线，若连续两次PSI>0.2或AUC下降超3%，进入‘待观察’队列；
   • 季度大升级：即使指标平稳，也强制用最新三个月全量数据重训一次，防止缓慢漂移，同时同步更新特征库与样本权重。

2. 应急触发（OR门逻辑，任一满足即启动）
   a. 数据漂移：PSI>0.25且持续3天，或特征分布Top10特征KL散度均值>0.3；
   b. 性能下降：线上A/B金标准组AUC下降>5%，或业务核心指标（如授信通过率）偏离基线±2个百分点；
   c. 外部事件：监管政策变化、竞品策略突变导致样本标签定义变更；
   d. 数据合规：数据源因授权到期需替换，必须重新标注并训练。

3. 成本与合规闸门
   触发后先跑‘重训ROI评估’：预估GPU小时、标注费用、合规评审周期，若ROI<1:5则改用轻量级增量更新或蒸馏方案；所有重训须走公司内部‘模型变更单’，完成数据安全评估与网信办备案更新。

4. 执行与回滚
   采用影子模式运行新模型7天，对比金标准无差异后灰度10%流量，逐步扩量；同时保留旧模型热备，30分钟内可回滚。

通过这套机制，我们上一版风控模型在13个月内重训4次，累计把坏账率从2.8%降到2.1%，单次重训成本控制在8万元GPU预算+15人日标注，符合公司财务与合规要求。”

拓展思考

1. 如果公司算力预算极度紧张，可把触发阈值收紧到“业务指标下降>1%且持续7天”，并用参数高效微调（PEFT）+LoRA，把GPU成本降到全量重训的20%。
2. 对于内容推荐类业务，用户兴趣漂移快，可引入“滑动窗口+在线学习”混合方案：每天增量更新顶层DNN，月度全量重训防止底层特征退化。
3. 在数据出境受限场景，可联合联邦学习，让合作方数据不出域完成重训，同时满足《个人信息保护法》第三十八条评估要求。