一、基线策略概述：什么是基线策略、基线策略在AI系统中的角色、为什么需要动态更新

1.1 什么是基线策略

先问大家一个问题：你训练好一个模型，上线跑得不错，然后呢？

很多团队的做法是——不动了。模型就像一尊雕塑，放在那儿供着。但现实世界是流动的，用户行为在变，数据分布在漂移，业务目标也在调整。这时候，你手里那个“不动”的模型，其实已经在悄悄贬值了。

基线策略，说白了就是一套“当前已知最优”的决策方案。它可以是：

• 一个训练好的模型权重文件
• 一组手工规则（比如风控里的阈值组合）
• 一个多目标排序的权重向量
• 甚至是一段硬编码的 if-else 逻辑

我个人习惯把基线策略比作“锚点”。它不是终点，而是你每次迭代的起跑线。没有这个锚点，你根本没法判断新策略是变好了还是变差了。

1.2 基线策略在AI系统中的角色

我见过不少团队，模型上线后就把基线扔一边了。结果呢？新模型出了问题，连个兜底的都没有。基线策略在AI系统里至少扮演三个关键角色：

角色	具体职责	我踩过的坑
裁判员	作为A/B实验的对照组，衡量新策略的收益	有一次对照组没及时更新，实验结论全错了
安全网	新策略出问题时，能秒级回滚到稳定状态	回滚脚本没写好，线上挂了半小时
基准线	为持续优化提供量化起点，避免“拍脑袋”迭代	没有基线，团队吵了三天该不该上线新模型

你想想看，如果没有基线策略，你怎么证明你的新模型比旧的好？靠感觉吗？不行。靠离线指标？离线指标和线上效果经常打架。

1.3 为什么需要动态更新

好，现在问题来了：基线策略既然这么好，那是不是定下来就别动了？

当然不是。静态基线在真实世界里活不过三个月。原因有三：

1. 数据分布漂移——用户变了，你的基线没变，效果自然下滑。我在做推荐系统时遇到过，双十一过后用户行为模式全变了，旧基线CTR直接掉了30%。
2. 业务目标调整——公司战略变了，基线策略的优化目标也得跟着变。比如从追求点击率变成追求转化率，基线里的权重向量必须重新校准。
3. 技术迭代——新模型、新特征、新算法出来了，基线不更新，团队就没有动力去尝试更好的方案。

说白了，动态更新不是“要不要”的问题，而是“怎么做得更稳”的问题。

1.4 基线策略动态更新的知识体系

为了让你对整个章节有个全局感，我画了一张框架图。它展示了基线策略从定义到动态更新的完整链路：

1.5 本章小结

嗯，到这里你应该对基线策略有了一个整体的认识。记住三个关键词：

• 基线策略——当前已知最优的决策基准，不是终点而是起点
• 三大角色——裁判员、安全网、基准线，缺一不可
• 动态更新——不是选择题，而是生存题；但核心是“稳中求进”

我曾经带过一个团队，刚开始大家觉得基线策略就是“老版本”，不重视。结果有一次新模型上线后CTR暴跌，回滚时发现基线版本已经丢失了。那次之后，我们建立了严格的基线管理流程——每次更新都打标签、写变更记录、保留至少三个历史版本。这个习惯，救了我们不止一次。