La divergence progressive des sorties d'un modèle IA par rapport à son comportement original à mesure que les schémas d'usage et les retours s'accumulent dans le temps.
Exemples
"Les utilisateurs ont remarqué une dérive de modèle, les réponses ne semblaient plus pareilles qu'il y a quelques mois."
Origine et usage
Emprunté à la terminologie MLOps une fois que les utilisateurs ordinaires ont commencé à remarquer que les assistants « paraissaient différents » après des mois d'usage.
Utilisé pour décrire quand un modèle IA semble se comporter différemment avec le temps.
MENTIONS OVER TIME
Vous voulez voir la fiche complète en anglais avec les tags de catégorie, la tendance, la répartition par plateforme et les votes de la communauté ? Consultez la Model Drift fiche complète en anglais →
WHEN DID YOU FIRST HEAR THIS?
CLICK AN OPTION BELOW TO CAST YOUR VOTE.
[ VOTE TO REVEAL COMMUNITY RESULTS ]