核心要点
能定义模型注册表为中心化模型资产管理
理解版本、阶段（Staging/Prod）、lineage
知道与实验跟踪、部署流水线的衔接
能说明治理（审批、权限、合规）价值
简要回答
模型注册表集中管理模型版本、元数据、评估指标与部署阶段，是连接训练产出与生产服务的治理枢纽。
标准回答
一、模型注册表（Model Registry）
企业级 ML 的「模型 Git」——存储、版本化、审批并追踪已训练模型 artifact。
二、核心能力
| 功能 | 说明 |
|---|---|
| 版本管理 | v1, v2… 每版含权重、配置、依赖 |
| 阶段流转 | None → Staging → Production → Archived |
| Lineage | 关联训练数据 hash、代码 commit、超参 |
| 元数据 | 指标、签名、训练者、时间戳 |
| 部署触发 | 晋级 Production 触发 CI/CD 拉取 artifact |
三、在 MLOps 中的角色
- 单一事实来源：避免「生产到底跑哪个模型」混乱
- 审计合规：金融/医疗需追溯模型来源
- 回滚：快速切回上一 Production 版本
- 协作：DS 注册，ML Eng 部署，职责清晰
面试里要把 模型注册表 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。
四、代表
MLflow Model Registry、SageMaker、Vertex AI Model Registry。详见 MLOps 入门、模型生命周期。
回答思路
【定义】用一句话说清「什么是模型注册表？在 MLOps 中起什么作用」
【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：模型生命周期、MLOps 入门。术语：MLOps、Checkpoint、可观测性。
常见误区
⚠️ 常见踩坑
误区一：容易答偏的地方：与 MLflow Tracking 混淆；只说「存模型文件」不说阶段治理与 lineage；忽视回滚流程。
🔗 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