Modeling and Controlling Deployment Reliability under Temporal Distribution Shift

Este artigo propõe uma estrutura centrada na implantação para modelar a confiabilidade de modelos de machine learning em ambientes não-estacionários, onde a mudança de distribuição temporal pode degradar o desempenho. O framework trata a confiabilidade como um estado dinâmico, abordando a adaptação de implantação como um problema de controle multi-objetivo para equilibrar estabilidade e custo de intervenção.