模型上线前的评估清单与注意事项

上线前先确认离线指标是否达标，并与基线模型对比。提升要稳定，不能只靠某一次随机划分的运气。多折结果更可信。

检查线上线下一致性。特征口径、预处理逻辑、模型版本要对应。常见事故是训练用了未来信息，线上拿不到同样特征，效果骤降。

做小流量灰度。先在少部分用户上验证，观察核心指标和异常情况。灰度期间准备好回滚方案，出现问题能快速止损。

监控要提前设计。指标波动、特征缺失、预测分布漂移，都应有告警。上线不是终点，而是持续观察的起点。