1.5 KiB
1.5 KiB
title, created, updated, type, tags, sources
| title | created | updated | type | tags | sources | ||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
| CACE 原理 — Change Anything Changes Everything | 2026-06-19 | 2026-06-19 | concept |
|
|
CACE 原理
定义
CACE = Change Anything Changes Everything（改变任何事物都会改变一切）。
来自 Sculley et al. (2015) 的经典论文《Hidden Technical Debt in Machine Learning Systems》（NeurIPS）。在 ML 系统中，流水线上的一个小调整可能引发其他地方的惊人变化。
核心洞察
- 这种级联效应在线性回归中很少发生，但在集成系统和神经网络中经常发生
- 数据依赖比代码依赖更昂贵——数据更难追踪、更难版本化、更难向继承者解释
- 实际的模型代码只是真实 ML 系统的一小部分——大部分是特征存储、管道逻辑、监控、重训练触发器及它们之间的粘合剂
实践含义
在为 2% 的精度提升选择更复杂模型之前，问自己：
一年后谁拥有它？ 如果答案是"不清楚"，那就是决策点。
隐含成本：18 个月的调试时间、重训练开销、以及"没人记得我们为什么这样做"的税。