持續訓練管線（continuous training pipeline）

在傳統軟體中，程式碼寫一次，在你改它之前行為都一樣；機器學習模型卻會隨資料漂移而自行衰退，因此新鮮度不是一次性的事件，而是持續的要求。持續訓練管線就是讓模型保持時新的自動化機制：它會重新訓練、重新評估，並有條件地重新部署，不需要人去啟動每一個週期，把模型維護從反覆的手動苦差事，變成一個有治理、可重複的流程。

管線可由排程、偵測到的漂移，或足量新標籤資料的到來所觸發，接著執行整個序列：拉取新的資料版本、重算特徵、訓練、對保留資料與護欄閾值做驗證，並登錄候選模型。關鍵在於它不會盲目自動晉升：新模型必須在評估上擊敗既有模型並通過品質閘門，才會由一個部署步驟（通常是金絲雀）讓它上線。這就是 CI/CD/CT 裡的 CT，是把機器學習系統與一般軟體交付區別開來的第三條腿。

它的風險是自動化特有的。一個被漂移或被下毒資料餵養的重訓迴圈，可能自動學出並部署一個更差的模型；一個模型自身輸出污染未來訓練資料的回饋迴圈，很容易在不經意間造成；而一個無守衛的自動晉升，可能以機器的速度推出一個退步版本。因此穩健的管線會把每一道閘門——資料驗證、評估與晉升——都當成硬性煞車，並讓回退隨時只差一道指令。