模型上线前要做哪些测试（不变量 / 方向性 / 最小功能）？

超越单一总体准确率：做行为测试（CheckList）

只看一个全局准确率会掩盖具体能力短板和子群歧视。上线前应像测软件一样测模型「行为」。

1. 最小功能测试 MFT（Minimum Functionality Test）

• 针对某项能力构造简单、明确的样例集，验证基础能力达标。如情感分析：「这家餐厅太棒了」必须判为正向。

2. 不变性测试 INV（Invariance）

• 对输入做不改变标签的扰动，输出应不变。如把人名换成另一个人名、加入无关空格，预测不应翻转——检验鲁棒性与偏见。

3. 方向性测试 DIR（Directional）

• 对输入做应单调影响结果的改动，输出应朝预期方向变化。如在负面评论后追加更强的负面词，负向分应升高。

4. 切片与回归

• 切片/子群评估：按地域、语言、用户群分组看指标，避免「平均不错、某群体很差」。
• 回归集：把历史 bug 样例固化为测试集，防止改一处坏一处。

5. 上线策略

• 通过离线行为测试 + 切片评估后，仍要灰度/影子发布并配合 A/B 测试与灰度发布 与线上监控（ML 系统可观测性）。