部署模型的推理质量在四个月后下降。团队希望在推理质量下降时收到通知，并防止再次发生。哪种解决方案可以同时实现这两个目标？

模型推理质量下降通常是由于数据漂移（data drift）或概念漂移（concept drift）引起的。重新训练模型可以解决当前的性能下降问题，因为这能让模型适应新的数据模式。Amazon SageMaker Model Monitor 专门用于持续监控生产模型的性能和数据质量，并在检测到模型漂移时发出警报，从而满足了在推理质量下降时收到通知的需求。 其他选项不正确的原因： 重新训练模型并使用 Amazon SageMaker Clarify：Clarify 主要用于检测和缓解模型偏差，而非持续监控模型漂移。 构建一个新模型并使用 Amazon SageMaker Feature Store：构建新模型成本高昂且耗时，Feature Store 主要用于特征管理和共享，不用于模型漂移监控。 构建一个新模型并使用 Amazon SageMaker JumpStart：JumpStart 提供预构建模型和解决方案，但它本身不提供模型漂移监控功能。