答案是“当它运行良好以执行您设置的任务时”。提前设置绩效标准是一个好主意，这样您就可以清楚地确定您正在尝试实现的目标，并且您也会知道该模型是否可能成功。

根据我的观察，扩展 ML 模型的能力是关键。

实时推理必须是快速的，并且不会导致提供商方面的延迟。能够部署模型也承载着巨大的重量——也就是说，构建数据管道有多容易，从服务器角度将其集成到 Web 应用程序中有多容易。

除了设定指标和性能标准的明显成就外，速度和易于部署也起着非常重要的作用。有一些出色的解决方案被拒绝的场景（据我所见），因为它们超出了应用场景中为时间和计算设置的限制。