Model Decay

释义 Definition

模型衰减 / 模型退化：指机器学习模型在部署后，随着时间推移由于数据分布变化、业务环境变化或输入特征变化等原因，预测效果逐渐下降的现象（常与 concept drift/data drift 相关）。
注：在部分语境中也可能泛指“模型参数/性能随训练策略被逐步削弱”，但最常见用法是指线上性能随时间变差。

发音 Pronunciation (IPA)

/ˈmɑːdəl dɪˈkeɪ/

例句 Examples

The team noticed model decay after the new pricing policy changed customer behavior.
团队在新的定价政策改变了客户行为后，注意到模型出现了衰减。

Without monitoring and regular retraining, model decay can silently reduce accuracy and increase costly mistakes in production.
如果缺少监控与定期再训练，模型衰减可能在不知不觉中降低准确率，并在生产环境里造成代价高昂的错误。

词源 Etymology

model 源自拉丁语 modulus（“尺度、标准”），引申为“模型、范式”；decay 来自古法语 decaïr（“衰落、衰败”）。组合后字面意思是“模型的衰败/退化”，在机器学习工程语境中用来描述模型随时间“变不准”。

相关词 Related Words

• Concept Drift
• Data Drift
• Distribution Shift
• Model Staleness
• Monitoring
• Retraining
• Regularization
• Weight Decay

文学与著作中的用例 Literary / Notable Works

• Chip Huyen《Designing Machine Learning Systems》：讨论线上系统中的数据变化、漂移与由此导致的模型性能衰减（常用“model decay/模型衰减”表述）。
• Andriy Burkov《Machine Learning Engineering》：在模型上线与维护章节中谈到模型随环境变化而退化的问题（与“model decay”概念一致并常被这样称呼）。
• D. Sculley 等论文《Hidden Technical Debt in Machine Learning Systems》：探讨生产环境中的维护风险与模型长期性能问题（该领域常用“model decay”来概括此类退化现象）。