模型衰减

模型衰减是什么？

刚上线的模型往往最「新鲜」，可过了几个月，你会发现它没那么准了——这不是谁改坏了，而是环境在变。模型衰减（Model Decay），指的就是模型性能随时间推移、因环境变化而逐渐下降的现象。它和数据漂移是一对「表兄弟」：漂移是原因，衰减是结果。

它和数据漂移是什么关系？

数据漂移是「输入变了」
用户说的话、行为模式变了，模型看到的输入和以前不一样。
模型衰减是「表现变差了」
输入变化累积起来，最终体现在准确率、转化率这些指标上——模型「生锈」了。

哪些情况会加速衰减？

行业变化快
热点、流行语、政策变得快，模型的知识很快过时。
用户群体变化
新用户和老用户画像不同，模型对老用户很准、对新用户跑偏。
反馈循环
模型影响用户行为，用户行为又反过来改变数据，形成恶性循环。

怎么对抗衰减？

持续监控
把关键指标盯起来，衰减苗头一出现就预警。
定期重训
用最新数据定期刷新模型，别让它「吃老本」。
在线学习
让模型边用边学，把新数据逐步吸收进去，保持新鲜度。

一句话记住：模型衰减就是 AI 的「生锈」——只要世界还在变，模型就得定期保养和更新。