מחקר חושף שלוחות זמנים של MLOps Retraining נכשלים בגלל Distribution Shock, לא שכחה

מחקר שהתאים את עקומת הישכחות של Ebbinghaus ל-555,000 עסקאות הונאה אמיתיות השיג R² = −0.31, מה שמוכיח שאימון מחדש מבוסס לוח שנה אינו יעיל. הניתוח מגלה שמודלים חווים הלם הפצה ולא ישכחות הדרגתיות, מה שמבטל חוכמה קונבנציונלית של ML ops. מוצעת גישה של זיהוי הלמים כחלופה מעשית למערכות ייצור, מה שמאתגר את תקן התעשייה של אימון מודלים מחדש מתוכנן.