AI模型开发流程-002450.docx

PAGE1

AI模型开发流程

摘要

本文对AI模型开发流程涉及的算法变更评估管理目的、数据去标识化职责分工、外部生成工具使用检查考核、训练数据合法性记录要求、训练数据合法性衔接条款等事项作出规定,明确了相应的适用范围、职责分工、处理要求与记录口径。

目次

一、目的

二、职责分工

三、流程步骤

四、检查与考核

五、记录与表单

六、附则

一、目的

(一)算法变更评估管理目的。一、模型上线之后改动比上线之前更要紧,因为下游已经在用,本条把涉及判定规则、输入特征、阈值设定与外部通道的每一处改动都变成有对照、有批准、有观察的请求。二、评估看的是行为差而不是改动幅度:只动一处而判定翻面的按高风险处理,改动很大输出却完全一致的走简化登记。

三、本条同时堵住未经申请的线上变化,供应商侧版本更换由接入方代为发起,事后一律倒查当初的放行环节。

(二)漂移监控窗口管理目的。一、本条用统一观察窗发现线上输入与训练基准分布拉开差距的苗头,赶在指标明显劣化之前触发应对。二、窗口长度与检查频率按场景风险设档,高风险场景窗短频密,低风险场景窗长稀疏。三、监控结果与灰度缩量、回滚决策联动,不做只报数不处置的空转监控。四、观察窗同时服务数据侧与模型侧的归因切分:统计距离异常先分清输入变化还是判定变化,之后再定责任岗,避免混案。

(三)模型下线替代管理目的。一、本条把下线做成有计划动作:留好替代、安顿依赖、保住追溯

文档评论(0)

1亿VIP精品文档

相关文档