摘要
依赖库升级可能在系统照常运行的情况下改变推荐结果。我们在 201 个单线程 MovieLens 1M 案例上评估了 35 个升级过渡,涵盖 11 种包含浅层模型或预处理的流程配置。实验设计采用同环境对照、冻结模型推理、配对种子重训练以及单独锁定版本的评估器。201 个案例中,164 个检查点摘要完全一致,14 个检查点发生变化,16 个运行时失败,7 个不适用;其中 9 个案例的 top-10 列表发生改变。干预实验将这些变化归因于四种机制:完全相同分数的平局选择、OpenBLAS 内核选择、捆绑的 OpenBLAS 二进制文件,以及 log1p 输出的最后一位。所有完成的真实排序比较均满足预先声明的 NDCG@10 等价边界。结果表明,应分别度量检查点变化、排序变化、契约失败与相关性损失。