本研究探讨了机器学习系统因数据集偏移导致的性能下降问题。模型更新的不透明性使用户难以理解其对系统推理的影响，带来了认识论和安全性挑战。虽然提出了一些替代策略，但每种策略都有其风险，未来需要进一步研究。