使用 Amazon SageMaker 部署的 ML 模型使用了 Model Monitor。更新模型后，ML 工程师观察到 Model Monitor 检查中出现了数据质量故障。工程师应采取什么措施来解决 Model Monitor 标记的数据质量问题？

当 Model Monitor 报告数据质量故障时，这通常意味着生产数据与模型训练时的数据基准之间存在偏差。调整模型参数或超参数（选项一）是解决模型性能问题的，而不是数据质量问题。手动启动 Model Monitor 作业（选项二）只是重复检查，并不能解决根本的数据质量偏差。向训练集中添加更多示例（选项四）是解决模型泛化能力或数据不足的方法，也与当前的数据质量故障无关。正确的做法是，从最新的生产数据中生成新的基准（baseline），并用这个新基准来重新配置 Model Monitor。这能确保 Model Monitor 使用当前生产数据的真实分布作为参考，从而准确识别未来的数据质量问题。