尽管在本地（通过验证集和测试集）对机器学习模型进行了严格测试，但立即用新模型替换旧模型仍不是一个好想法。
一种更可靠的策略是在生产环境中测试模型（基于真实的实时数据）。虽然这听起来有些冒险，但现实中经常这么做，而且并不复杂。下图展示了四种常见策略：
● 当前模型称为“旧模型”（legacy model）。
● 新模型称为“候选模型”（candidate model）。
#1）A/B测试
● 将传入的请求不均匀地分配给旧模型和候选模型。
● 故意限制候选模型的暴露程度，以避免潜在风险。因此，发送到候选模型的请求数量一定要少。
2#）金丝雀测试（Canary Testing）
● 在 A/B 测试中，由于流量被随机重定向到任一模型，而不考虑用户特征，因此可能会影响所有用户。
● 在金丝雀测试中，候选模型首先向生产环境中的一小部分用户发布，并逐步向更多用户推广。
像OpenAI发布新模型时就采用这种策略。
3#）交错测试
● 这涉及将多个模型的预测结果混合在响应中。
● 以亚马逊的推荐引擎为例。在交错部署中，主页上显示的推荐一部分可能来自旧模型，而另一部分则来自候选模型。
4#）影子测试（Shadow Testing）
● 以上所有技术都会影响一些（或所有）用户。
● 影子测试（或暗启动）让我们在不影响用户体验的情况下，在生产环境中测试新模型。
● 候选模型与现有的旧模型一起部署，并像旧模型一样处理请求。然而，输出不会发送回用户，而是被记录下来，供稍后使用，以便与旧模型进行性能对比。
● 我们明确地部署候选模型，而不是离线测试，因为生产环境很难在离线环境中复制。
影子测试提供了在生产环境中无风险测试候选模型的机会。
