未来解决的问题
规则算法难以穷举多关节、长时间序列和复杂动作模式之间的全部组合，也需要统一管理模型文件、版本、数据来源和验证证据。
正在验证平台访问权限…
Future Model Capability
模型能力
为什么有必要建设
只有建立可追溯的模型资产、数据集、协议、标注和评价链，未来引入 AI 时才能避免黑盒模型直接进入正式结果。
预期价值
在证据充分后，为复杂模式识别、异常复核、规则一致性比较和规则算法增强提供可靠候选能力。
当前阶段：当前仅开放工程准备、状态查看和治理记录；正式模型训练、自动 Shadow 和生产模型部署仍保持暂停。日常报告继续使用 stable RulePack。
Stage D Model Governance
模型资产与混合节点
这里管理 ONNX 模型文件、版本、哈希和生命周期，并检查当前 RulePack 的模型节点如何以 shadow、augment 或 replace 模式引用这些资产。
已登记0
节点0
Shadow0
未登记引用0
Model Data Governance
模型数据集
把真实采集数据转换为可追溯的特征快照和专家标注任务。系统按受试者隔离训练、验证和测试集，并在数据不足、缺少专家标注或质量不完整时阻止进入训练。
正在读取数据集...
Shadow Evaluation
Shadow 运行与差异审阅
使用已冻结的数据集 Feature 和已登记 ONNX 资产运行单个 shadow 节点，同时保存规则基线、模型输出、最终有效值、置信度、质量和 fallback 原因。这里的批准仅表示工程审阅，不代表科学有效性。
批量 Shadow 与分层统计
对数据集中的全部样本执行同一模型节点。fallback 和失败样本单独计数，不参与模型均值伪装。
批次记录
尚无批量运行记录
运行记录
0选择运行记录查看完整差异
模型版本比较
仅比较相同数据集、样本、节点和输出的运行。Feature 快照不同或任一运行没有真实模型输出时，结果不可比较。
ONNX Registry
模型资产
读取中...
RulePack Graph
当前规则包模型节点
Asset Intake
登记新模型资产
上传只创建 experimental 或 candidate 资产。模型进入 stable 前仍需完成数据集、效果、回退和 shadow 差异门禁。