某企業的AI模型已部署於線上服務環境中，用於即時預測顧客流失率。近期團隊注意到模型預測準確率逐漸下降，但系統運作正常且未出現錯誤訊息。經分析發現，近期輸入資料的分佈與模型訓練資料相比出現顯著偏移。若要在MLOps流程中主動偵測並預警此類問題，最應採用下列哪項措施？
iPAS 考題解析
某企業的AI模型已部署於線上服務環境中，用於即時預測顧客流失率。近期團隊注意到模型預測準確率逐漸下降，但系統運作正常且未出現錯誤訊息。經分析發現，近期輸入資料的分佈與模型訓練資料相比出現顯著偏移。若要在MLOps流程中主動偵測並預警此類問題，最應採用下列哪項措施？
- A. 建立即時的資料漂移（Data Drift）與概念漂移（Concept Drift）監測機制 ✓ 正確答案
- B. 將模型轉換為量化版本以降低延遲
- C. 增加模型超參數調整次數以強化適應性
- D. 使用固定隨機種子（Random Seed）確保訓練穩定
詳細解析
資料漂移（輸入特徵分佈改變）和概念漂移（輸入輸出關係改變）是模型效能衰退的兩個主要原因。在MLOps中建立這兩種漂移的即時監測機制，能夠在效能顯著下滑前提前預警，是解決此類問題的標準做法。
出題年份：114 難度：★★☆