待验证60% 置信事实精确时间
Google于2015年在论文《Hidden Technical Debt in Machine Learning Systems》中系统阐述了ML系统的技术债务问题
2
来源数
60%
置信度
中期 (~90 天)
时效性
2026/7/2
首次发现
有效期至：2026/9/30
来源
Dify工作流搭建全攻略：零代码构建AI应用实战指南
bilibili研究院张Q2026/6/23
相关事实
已验证谷歌2015年发表的论文《Hidden Technical Debt in Machine Learning Systems》揭示ML系统中真正的机器学习代码只占极小比例84% 相似已验证Google在论文《Hidden Technical Debt in Machine Learning Systems》中指出，真实ML系统中实际的ML代码只占整个系统的一小部分，周围环绕着大量的数据收集、特征提取、配置管理、服务基础设施和监控代码81% 相似待验证Google 在2017年发表的论文《Data Management Challenges in Production Machine Learning》指出，ML系统中最常见的技术债务来自数据管线而非模型本身79% 相似待验证Google的机器学习工程师总结出经验：机器学习系统中真正的机器学习代码往往只占5%，剩余95%是数据管道、服务封装和监控系统68% 相似待验证Google Professional Machine Learning Engineer 认证难度公认较高，覆盖范围广，更强调机器学习的系统设计能力57% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/61258API
curl https://kongchang.com/api/v1/knowledge/claims/61258MCP
get_claim(id=61258)