Provider Target 漂移

官方供应商漂移监测

每6小时采集一次官方供应商特征,与基线指纹比较,判断模型是否存在漂移降智行为;

监测状态

绿色正常,黄色观察,橙色疑似漂移,红色确认漂移,灰色表示数据过期或缺失。

当前还没有可展示的漂移样本。

当前还没有启用的 drift target。

跨供应商观察

OpenAI 与 Azure 的 GPT 目标、Anthropic 与 Bedrock 的 Claude 目标都会单独监测,避免云服务路由变化污染官方模型基线。

理解模型漂移及其证据

当前没有启用的监测目标,因此本页暂不提供关于近期模型变化的观测结论。以下说明用于帮助理解未来的监测数据。

什么是 LLM 模型行为漂移?

在相近的请求配置下,模型的响应行为随时间发生变化,称为行为漂移。它可能影响已有的质量评估或身份对比,但一次异常回答不足以确认漂移。这里讨论的是模型响应行为,不是训练数据分布漂移。

如何区分模型更新与网关路由变化?

记录请求模型 ID、版本、端点、配置和观测时间,再比较对应的官方参考与网关观测。如果官方端点也出现变化,模型更新是一种待核实的解释;如果只有网关变化,应检查别名、路由、缓存和配置。两种情况都不能仅凭状态灯确定原因。

如何理解监测状态和时间?

正常表示当前检查未发现需要标记的偏离,不代表所有任务质量不变。观察、疑似或确认漂移表示监测规则下不同程度的行为变化,不能直接解释为模型被替换。灰色、缺失或过期数据表示证据不足,不是正常状态。请结合每个目标的最近观测时间阅读。

下一步应该做什么?

出现变化时,先核对配置和模型版本,查看连续观测,并用非敏感的实际任务评估影响。模型身份、业务质量和请求可靠性是不同问题;不要因为一次异常反复提交验证。