跳到正文
arXiv · ML· Kumuda Valli V, Anli Ji·· 10 天前AI 评分23

DARE:面向模型重训练的感知漂移的多目标 MLOps 智能体

Multi-objective drift-aware MLOps agent for model retraining

AI 导读

DARE 框架提出了一种离线事件驱动的重训练策略,将重训练视为序贯决策问题。 在 Airline 数据集测试中,锁定后的 LinUCB 策略在提高平均 F1 分数的同时,显著降低了干预频率。 评估显示,这些性能提升在计入累计更新实际耗时后依然成立,表明该策略能减少不必要的运营开销。

来源:arXiv · ML · arxiv.org