核心要点
注册表是模型的「单一事实来源」，回答「生产到底跑哪个版本」并支持一键回滚
管版本、阶段流转（Staging→Production→Archived）与 lineage（数据 hash、代码 commit、超参）
与上下游衔接：实验 run 达标后 register，晋级 Production 触发 CI/CD 自动拉 artifact 部署
别和实验跟踪混淆：跟踪记录所有试错 run，注册表只收候选上线版本并做阶段治理
简要回答
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；
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 |
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
代表：MLflow Model Registry、SageMaker、Vertex AI Model Registry
标准回答
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。
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 |
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
代表：MLflow Model Registry、SageMaker、Vertex AI Model Registry。详见 MLOps 入门、模型生命周期。
常见误区
⚠️ 常见踩坑
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。
追问
追问 1：模型注册表和实验跟踪有何区别？
实验跟踪记录每次 run（可能数百次试错）；注册表只收录「候选上线」的精炼版本，带阶段治理。好实践：run 达标后 register 到 registry。
追问 2：多模型 ensemble 如何注册？
注册为 bundle 或 manifest 列出子模型版本；部署时原子加载全部；版本号整体 bump，避免部分更新导致不一致。
延伸学习
与本题相关的知识库文章、术语、工具与行业资讯。
📰 AI 资讯
🛠️ AI 工具