# MLOps 还没解决的几个硬问题

> 原标题：Unsolved Problems in MLOps

- 来源：Hacker News 首页
- 发布时间：2026-07-15T16:15:01.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/44520
- 原文：https://spawn-queue.acm.org/doi/pdf/10.1145/3762989

## 摘要

ACM Queue 这篇文章把现在 MLOps 的尴尬摊开了：传统运维那套靠确定性响应做健康检查、灰度发布、告警的方法，在 ML 系统上基本失灵。核心矛盾就两条——模型输出不是确定的，以及数据跟代码一样在驱动系统行为。

## 推荐理由

ACM Queue 一文梳理 MLOps 的两处硬伤，模型输出不确定、数据与代码共同驱动系统行为，使传统运维的健康检查与灰度发布方法失效。

## 锐评

ML 系统上传统运维那套确实失灵，但文章里最扎心的其实是微软 Azure 那个例子，用大模型当裁判验证新模型，再靠员工点赞兜底。连微软都没个靠谱的自动化标准来判断模型好不好用，那其他公司凭什么觉得自己能搞定。做 agent 的都知道，模型输出不确定加上数据一直在变，健康检查和灰度发布基本没法照搬运维那套。问题清单列得挺全，但没给答案，这大概就是 MLOps 现在的真实状态。
