判断模型是否因概念变化失效

传预测和标签数据，15 分钟拿到漂移诊断报告和验证代码。上传预测、延迟标签和代理指标，AI 分析残差趋势、性能衰减和校准偏移，区分概念漂移和数据质量问题。不代替人工复核，不提供上线决策。

能拿到什么

• 推荐：一份模型漂移诊断 PDF 报告 + 可运行的 Python 验证代码 + 关键指标明细表（报告含残差趋势图、校准曲线对比图，异常时点标红并注明可能原因），约 15 分钟
• 旗舰：漂移诊断 PDF 报告、指标趋势明细 Excel、可运行验证代码、代理指标交叉分析、排查清单和下一步建议

要你点选的几项

上传预测+延迟标签+代理指标、时间字段怎么叫、目标变量类型、用哪些代理指标、重点看什么变化、结果要多细、担心什么偏差、补充说明(选填)、我确认对数据有权限，结果需由本人复核后使用，不直接用于生产决策；AI 只做整理参考，不替代审批，最终由负责人确认。多数点一下就行，没选的按常见情况替你定，交付时说清哪几项是按默认的。

怎么办

1. 上传预测、标签和代理指标数据
2. 选分析粒度和要复核的内容
3. 拿到诊断报告和验证代码

别人还这样说

• 分析一下这个机器学习项目失效的原因，排除代码bug，看看是不是数据分布变了。
• 给我出一份关于模型性能下降的诊断报告，重点分析环境变化的影响。