1. 识别率下降概述

大家好，我是这次课程的主讲。做模型诊断这些年，我见过太多团队在识别率下降时手忙脚乱。说实话，大部分问题其实没那么玄乎，只是排查思路没理顺。这一章我们先打好基础，把「下降」这件事本身聊透。

1.1 什么是识别率下降

识别率下降，说白了就是模型在某个时间点之后，对同一批数据的预测准确度变差了。你想想看，昨天线上跑得好好的，今天突然掉了一截，或者这周比上周低了两个点——这就是我们说的下降。

但这里有个坑：不是所有波动都叫下降。我遇到过不少同事，看到单日指标抖了一下就慌了，结果查了半天发现是数据采样偏差。所以，我们先给个明确的定义：

注意几个关键词：

• 相同或可比的数据分布——如果线上流量变了，那下降可能是正常的
• 连续时间窗口——单点异常不算，要看趋势
• 统计显著——别被随机噪声忽悠了

1.2 三种常见的下降模式

根据我自己的经验，识别率下降逃不出这三种形态。我习惯把它们画成一张图，方便大家对照：

模式一：突降

断崖式下跌，通常发生在一次上线或数据切换之后。我记得有一次，某推荐模型一夜之间掉了 8 个点，查到最后发现是上游特征表少了一个分区。突降的排查路径最短，因为时间点明确，回滚或修复也最快。

模式二：缓降

温水煮青蛙。每天掉 0.1%，一周后你才反应过来。这种最容易被忽视，但后果往往最严重。我在项目中遇到过数据分布缓慢漂移的情况，用户行为变了，模型还在用旧分布做推理，识别率自然一天不如一天。

模式三：波动

识别率像心电图一样上下跳。这时候别急着修模型，先看看是不是流量周期、A/B 实验分流不均或者采样噪声。我建议先拉长窗口看均值，别被短期抖动带偏。

模式	典型特征	常见根因	排查优先级
突降	短时间内大幅下跌	数据断流、特征缺失、模型上线事故	最高
缓降	持续缓慢下滑	数据漂移、特征衰减、环境变化	中
波动	无规律上下震荡	采样偏差、流量干扰、随机噪声	低（先观察）

1.3 排查的核心原则：先复现、后定位、再修复

这个原则我每次带新人都会强调。你想想看，连问题都复现不了，你怎么知道修没修好？

1. 先复现——拿到确凿证据，确认下降是真实存在的
2. 后定位——缩小范围，找到根因
3. 再修复——对症下药，验证效果

听起来很简单对吧？但我见过太多人跳过第一步，直接开始改模型。结果改了半天，发现是监控指标算错了。嗯，这里要注意：复现不是简单看一眼数字，而是要拿到可复现的样本和日志。

第一步：复现

具体怎么做？我一般分三步：

• 确认下降的时间点和幅度
• 用同一批数据在离线环境跑一遍推理
• 对比线上和离线的结果是否一致

如果离线能复现，那问题大概率在模型或数据侧。如果离线复现不了，那可能是线上环境的问题。

第二步：定位

定位阶段的核心是「分而治之」。我习惯把可能的原因列出来，然后逐个排除：

• 数据问题？——检查特征分布、标签质量
• 模型问题？——检查版本、参数、推理代码
• 环境问题？——检查依赖库、硬件、网络

第三步：修复

找到根因之后，修复方案要「最小改动、最快验证」。能回滚就别重训，能修数据就别改模型。修复后一定要在离线环境跑一遍全量验证，确认识别率恢复到正常水平。

1.4 本章小结

这一章我们聊了三件事：

• 识别率下降的定义——别把正常波动当下降
• 三种下降模式——突降、缓降、波动，每种对应不同的排查思路
• 核心排查原则——先复现、后定位、再修复，顺序不能乱

说实话，这些基础概念看起来简单，但真正遇到问题时，能冷静按流程走的人并不多。后面的章节我们会深入每个环节，从数据到模型到环境，一步步拆解。先把地基打牢，后面才不容易跑偏。