问题 #1
您的团队正在开发一个自然语言处理模型，并且刚刚完成了第一个模型的部署。团队对模型进行了更新，覆盖了原始模型，并将新模型投入使用。然而，使用该模型的其中一个团队发现性能下降，并要求使用原始模型。
您的团队犯了什么关键错误？
答案: B
本题描述的场景中，团队更新生产模型时直接覆盖了原始模型，在新版本出现性能下降问题时无法切换回原始版本恢复服务，该问题的核心是违反了All CPMAI Questions认证中MLOps模块关于模型版本管理的核心要求。选项B准确指出了团队的关键错误：未实行模型版本控制，也未留存所有模型版本，导致生产故障出现时没有回滚能力，完全匹配题目描述的问题场景。
各选项分析：
A. 数据治理机制针对的是数据的质量管控、权限管理、血缘追踪、生命周期管理等数据相关的规则体系，本题中的问题是模型版本丢失，与数据治理无关，因此A错误。
B. All CPMAI Questions认证的MLOps最佳实践明确要求，生产环境的所有模型必须实行版本化管理，每个版本独立存储并配套对应的元数据，禁止直接覆盖旧版本模型。本题中团队直接覆盖原始模型、未留存所有版本，导致需要回滚时无法获取原始模型，完全符合该选项描述的错误，因此B正确。
C. 模型重训练流程指的是模型迭代过程中触发重训练的条件、重训练的校验规则、上线流程等相关规范，本题中团队已经完成了模型更新，问题出在更新后旧版本丢失，并非重训练流程缺失，因此C错误。
D. 模型迭代练习与适当迭代指的是模型迭代过程中的测试、验证、迭代方法论是否完善，本题中并未提及新版本模型迭代过程的合理性，核心问题是旧版本被覆盖无法回滚，因此D错误。
关键知识点：
1. 模型版本管理：属于All CPMAI Questions认证MLOps模块核心知识点，要求对所有生产模型进行版本化管理，每个版本独立存储，配套记录对应训练数据集、超参数、评估指标等元数据，支持快速版本切换与回滚。
2. 生产模型部署最佳实践：All CPMAI Questions认证要求生产环境模型更新不能直接覆盖旧版本，需配套灰度发布、蓝绿部署等发布策略，同时留存全部历史版本，在新版本出现故障时可快速回滚恢复服务。
3. 模型全生命周期管理：All CPMAI Questions认证中模型全生命周期管理覆盖模型开发、训练、部署、监控、迭代、下线全流程的管控要求，历史版本留存是该流程中部署阶段的核心管控要求。
参考资料：
AWS Well-Architected Framework Machine Learning Lens: MLOps, https://docs.aws.amazon.com/wellarchitected/latest/machine-learning-lens/mlops.html
Google Cloud Vertex AI Model Registry Versioning Documentation, https://cloud.google.com/vertex-ai/docs/model-registry/versioning