data-drift

本文引入了失效合约，作为LLM智能体在跨会话中管理缓存恢复建议的协议，以解决服务器端数据漂移问题，并通过驱逐过时条目来提高令牌效率，同时保持高合规率。

本文介绍了NOMADD，一种事后方法，通过在标记周期上拟合基础模型并外推压缩后的参数变化，来减少表格模型中的概念漂移。它以极低的训练和推理成本，实现了与Drift-Resilient TabPFN相当的性能。

本文讨论了AI在业务中的部署失败往往不是因为模型质量，而是因为缺乏对保持模型知识随世界变化而更新的所有权，强调了‘静默漂移’的挑战以及持续运营维护的必要性。