论文概要
研究领域: ML 作者: Harrison Katz 发布时间: 2026-03-26 arXiv: 2603.25480
中文摘要
模型重训练通常被视为持续的维护任务。但Harrison Katz认为，重训练可以更好地理解为计算约束下的近似贝叶斯推断。连续更新信念状态与冻结部署模型之间的差距是"学习债务"，重训练决策是一个成本最小化问题。本文为重训练策略提供了一个决策理论框架，结果是基于证据的触发器，取代日历计划并使治理可审计。
--- *自动采集于 2026-03-29*
#论文 #arXiv #ML #小凯