当上游数据发生字段变更时，如何自动触发下游模型重训流水线？
解读
在国内真实业务里，上游数据往往来自数据中台、离线数仓（Hive/Iceberg）或实时Kafka Topic，字段变更可能由业务方、数据产品或监管要求驱动。一旦字段名、类型、枚举值或分布发生漂移，直接喂给百亿/千亿参数大模型继续微调，轻则效果劣化，重则输出违规内容。因此，面试官想考察的是：
- 能否在数据层第一时间捕获变更事件；
- 能否在模型层评估变更对指标的影响；
- 能否在LLMOps层把“感知→评估→决策→重训→上线”做成自动化闭环，并满足国内数据安全合规与GPU预算审批流程。
知识点
- 数据契约中心（Schema Registry）：对Hive、Kafka、Pulsar表做版本化管理，任何字段变更会推送SchemaVersionChangeEvent到内部事件总线。
- 数据质量探针（Great Expectations、Deequ）：在字段级配置分布漂移阈值（PSI>0.2、KS>0.3），异常时抛出DataQualityAlert。
- 事件驱动编排引擎：使用Apache Airflow 2.0+Triggerer或自研EventBridge，监听上述两类事件，自动拉起模型影响评估DAG。
- 模型影响评估：快速用小样本增量（例如10%数据）做Shadow Fine-tune，对比 baseline 的Reward Model 得分、安全审核通过率、业务ROI指标；若下降超**5%**即判定需全量重训。
- 合规闸口：在DAG里内置数据出境审查、个人信息脱敏校验节点，未通过则暂停并告警。
- 资源审批：对接公司GPU预算系统，自动提交重训资源申请单，审批通过后调用Kubernetes+Volcano弹性队列。
- 灰度上线：重训完触发A/B熔断框架，先放5%流量，观察内容安全分数与业务转化，无异常再全量。
- 审计留痕：全程写回ML Metadata Store，满足国内生成式AI备案要求，支持监管抽查。
答案
“我会在数据层、模型层、流程层三道防线实现自动触发：
第一，数据层：所有上游表强制注册到Schema Registry，字段变更会实时产生SchemaVersionChangeEvent；同时每日跑Great Expectations批检，发现分布漂移即抛DataQualityAlert。
第二，事件层：把两类事件统一接入自研EventBridge，通过CloudEvents 1.0规范推送到Airflow Triggerer，自动拉起impact_assessment_dag。
第三，评估层：该DAG先用10%增量数据做LoRA Shadow Fine-tune，对比 baseline 的Reward Score、安全审核通过率、业务核心指标；若任一指标下降超5%，则标记为must_retrain，并调用GPU预算API提交弹性资源申请；审批通过后触发全量重训DAG，重训完走灰度A/B与内容安全熔断，最终自动上线。
整个链路在ML Metadata Store留痕，满足生成式AI服务管理暂行办法的审计要求，且全部代码用Python+YAML描述，方便二次开发。”
拓展思考
- 如果字段变更发生在实时Kafka Topic，但下游微调依赖离线Hive快照，如何对齐流与批的事件时间窗口？
- 当百亿模型全量重训一次成本超20万元，如何引入继续学习（Continual Learning）+Experience Replay，把“必须重训”降级为“增量合并”？
- 在多租户场景下，同一字段变更可能影响N个业务方模型，如何设计事件广播与优先级队列，避免GPU资源死锁？