Réponse rapide
Un réentraînement sûr conserve un jeu de régression, une version de modèle validée, des critères de non-régression et un déploiement progressif afin d’ajouter des capacités sans effacer les comportements déjà maîtrisés.
Geler les capacités essentielles
Scénarios, seuils, erreurs critiques et performances de la version actuelle sont archivés. Les données nouvelles sont comparées aux anciennes par domaine.
Limiter l’oubli
Mélange de données, régularisation, distillation ou adaptation ciblée peuvent préserver les tâches antérieures. Chaque choix est évalué sur les capacités non modifiées.
Revenir si nécessaire
Simulation, banc, flotte pilote, surveillance et rollback précèdent la généralisation. La configuration d’inférence et le contrôleur sont versionnés avec les poids.
Une amélioration locale peut supprimer une capacité critique
Un nouveau jeu ou seuil peut corriger un cas et dégrader un autre. La version précédente reste disponible jusqu’à la preuve de non-régression.
Sources et références
- [1] Robotics and Autonomous Systems — NIST