SYSTEM ATLASЗагрузка материала

Регрессионный шлюз: маршрутизатор моделей

Model Router Regression Gate

Это обязательное сравнение с зафиксированным эталоном перед продвижением изменения на следующий этап.

Простыми словами

Например, в проекте для «маршрутизатор моделей» добавляют проверку «регрессионный шлюз»: конфигурация задаёт порог, автоматизация собирает сигнал, а превышение блокирует продвижение либо переводит систему в заранее описанный безопасный режим. Поэтому результат проверяют на данных и отдельной выборке, а не только на впечатляющем примере - иначе модель может выглядеть убедительно и при этом ошибаться на реальных случаях.

Пример от @Vibeclakr

Пример при разработке

Например, для «маршрутизатор моделей» задают понятный порог и автоматическую проверку «регрессионный шлюз». Если порог нарушен, выпуск останавливают или система переходит в заранее выбранный безопасный режим.

Это редакционный пример применения, а не часть определения или доказательство концепции.

Формальное определение

Для «маршрутизатор моделей» это обязательное сравнение с зафиксированным эталоном перед продвижением изменения на следующий этап. Заранее задают набор проверок и допустимых отклонений и способ увидеть результат. Если результат нельзя проверить, правило существует только на бумаге.

Механизм действия

Для «маршрутизатор моделей» сначала фиксируют исходное состояние, набор проверок и допустимых отклонений, допустимый порог и действие на случай нарушения. Затем проверяют это в тестах, при выпуске или в работе системы и сохраняют результат.

Пример в работе

Нерабочий подход

Записать «Регрессионный шлюз: маршрутизатор моделей» в документации и считать работу законченной, не назначив ответственного и не определив, как проверить результат.

Системный подход

Назвать конкретный риск, задать набор проверок и допустимых отклонений, назначить ответственного и пересматривать правило после значимых изменений.

Ограничения

«Регрессионный шлюз: маршрутизатор моделей» закрывает только один класс риска. Она не заменяет проверку безопасности, корректности данных, отказоустойчивости и пользовательских последствий.

Источник

NIST, «Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile», без даты.

Первоисточник