模型版本控制是追蹤和管理機器學習模型不同迭代的過程，確保可重複性、可追溯性和協作。
容易混淆
模型版本控制 vs 資料版本控制
模型版本控制：追蹤模型本身的演進。 資料版本控制：追蹤訓練資料怎麼變。 最關鍵的區別：前者看模型，後者看資料。
模型版本控制 vs 模型登錄庫
模型版本控制：是一種管理方法。 模型登錄庫：是集中保存模型和元資料的系統。 最關鍵的區別：前者是規則，後者是倉庫。
記住這句就好
每次改模型，都要留得下版本痕跡。
實際案例
回溯性能下降
某版模型上線後準確率掉了，團隊能回頭比對前一版的資料、參數和指標，快速找到差異。
多人協作實驗
不同研究員同時做實驗，版本控制讓大家不會把彼此的模型檔混在一起。
算法與應用
版本控制通常會記下模型檔、超參數、資料來源和評估結果。 它是可重現性的基礎，也是模型治理的重要一環。 若沒有版本號，部署和稽核都會變得非常痛苦。
情境判斷
Q1（情境題）： 如果模型內容變了，但檔名沒變，這算有版本控制嗎？
→ 不算。版本控制的重點是變更可追蹤，不只是檔名不同。
Q2（情境題）： 如果你只做單次實驗，還需要版本控制嗎？
→ 需要。即使只有一個人，也要能回頭知道哪個設定做出了哪個結果。
閱讀這頁時的常見誤區
只背中英文對照，無法判斷術語的適用情境。先確認定義，再對照完整說明與相關概念，頁面中的考試比重或出題方向，必須和下方標示的資料來源一起閱讀。
相關術語
常見問題
模型版本控制一定要搭配工具嗎？
不一定，但工具會讓追蹤、比較和回滾容易很多。
它和 Git 一樣嗎？
不一樣。Git 管程式碼，模型版本控制還要一起管資料、參數和指標。
為什麼上線前一定要做版本管理？
因為出問題時，版本就是唯一能追的證據。
資料來源
- AITerms.tw 術語資料庫，最後更新：2026-04-29。