与该标签相关的文章、问题和作品。
整理自公开社区讨论，重新表述为中文问题。 线上成功率看起来最真实，但它受样本、流量、人工干预和外部环境影响太大。公开社区里越来越多团队会先用 shadow eval 比较新旧流程，再决定是否真正切流。 想请教： 1. shadow eval 最适合回答什么问题？ 2. 为什么直接看线上成功率容易误判？ 3. 第一版 shadow 评估最少要保留哪些对照维度？