已验证80% 置信事实精确时间
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
13
来源数
80%
置信度
长期有效
时效性
2026/8/1
首次发现
来源
涉及实体
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87% 相似待验证据Google 2023年研究报告，在实际生产ML系统中，模型代码仅占整个系统代码的5-10%77% 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77% 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76% 相似待验证典型的ML系统设计题目包括设计推荐系统、实时欺诈检测系统、大规模文档搜索引擎等67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/680711API
curl https://kongchang.com/api/v1/knowledge/claims/680711MCP
get_claim(id=680711)