核心要点
能说明实验跟踪记录什么（参数/指标/artifact）
理解可复现与协作价值
知道与超参搜索、模型注册的衔接
能对比手工记录笔记本的缺陷
简要回答
实验跟踪系统化记录每次训练的参数、指标、代码版本与产出 artifact，是可复现、对比与协作的基础，避免「记不清哪组参数最好」。
标准回答
一、先给出结论和背景
- 实验跟踪（Experiment Tracking）：自动记录 ML 实验的完整上下文：
- 记录内容：- Parameters：学习率、batch size、模型结构
- Metrics：train/val loss、AUC（按 step/epoch）
- Artifacts：模型权重、Checkpoint、混淆矩阵图
- Environment：git commit、依赖、Docker 镜像 ID
- Tags/Notes：实验目的、结论
二、拆开关键步骤和判断点
- 为何重要：1. 可复现：三月后能复现今日最佳 run
- 对比：并排比较 50 组超参，找 Pareto 最优
- 协作：团队共享实验看板，避免重复踩坑
- 合规：审计「该模型如何训练出来」
- 自动化：与 HPO、CI 集成，达标自动注册
- 工具：MLflow、W&B、Neptune。
三、补上落地边界和取舍
- 反模式：spreadsheet 手抄 metric、本地 checkpoint 无命名规范、notebook 覆盖旧结果。详见 MLOps 入门、实验管理。
面试里要把 实验追踪在 MLOps 中有何意义 放到训练到上线的链路里说：离线指标只是第一步，还要补特征一致性、版本管理、灰度实验、监控漂移和回滚方案。这样能证明你理解的是生产系统，而不是只会背流程图。
回答思路
【定义】用一句话说清「实验追踪在 MLOps 中有何意义」
【原理】讲清关键机制或步骤（2～3 点）
【例子】举一个真实项目、论文或产品中的例子
【对比】与易混淆概念或替代方案比较（如有）
【收尾】总结适用场景 + 一个局限或风险
延伸学习
延伸阅读：实验管理、MLOps 入门。术语：MLOps、Checkpoint、DVC。
常见误区
⚠️ 常见踩坑
误区一：容易答偏的地方：只记 accuracy 不记数据和代码版本；实验名随意无法检索；不与 CI 集成。
追问
追问 1：实验跟踪和模型注册如何衔接？
Tracking 记录所有试错；当某 run 指标达标，调用 register_model() 写入 Registry 并打 tag。Registry 是 curated subset，Tracking 是 full log。
追问 2：分布式训练如何记录指标？
只在 rank 0 进程 log；聚合各 worker metric（mean/max）；记录 world size 与 backend 信息便于复现。
追问 3：敏感数据实验如何跟踪？
artifact 脱敏或只存 hash；参数可记，原始数据不进 artifact；访问 RBAC；私有部署 MLflow 而非公有云。
🔗 相似问题
同一考点的不同问法，换着练更稳
延伸学习
按主题分类的相关资源，便于系统复习