模型评估三板斧：别再只用Accuracy忽悠人了

各位老铁，今天聊聊模型评估这档子事。很多人训练完模型，丢个accuracy就完事，这在生产环境里就是给自己挖坑。  
直接讲三块硬核内容：  

1️⃣ **离线评估别只看单一指标**  
分类任务：Precision/Recall/F1必须配合业务场景看。比如垃圾邮件检测，recall低漏一封就是事故；推荐系统里，precision低用户直接骂娘。  
回归任务：MSE和MAE要结合异常值分析，别被离群点带偏。  

2️⃣ **上线前的压力测试不能省**  
部署到推理服务前，用你的真实流量重放做压测。关注两个点：  
- Latency分布（P50/P95/P99），别被均值骗了  
- 吞吐量下降时的召回率变化，很多模型在高压下直接崩  

3️⃣ **线上A/B实验才是终极检验**  
离线指标再漂亮，也得跟老模型跑一周对比。重点监控：  
- 业务指标（转化率、留存、收入）  
- 数据漂移检测（特征分布突变要及时报警）  

最后问一句：你们团队做模型评估时，最常踩的坑是啥？评论区聊聊。