预测模型有点像按往年客流备货：平时只需用新数据校准，疫情却可能连“什么信号对应多少需求”都改写。Airbnb 的预测会影响需求、预订和取消量等规划，并持续覆盖数千个市场；一旦偏差传入预算和运营，小误差也可能被层层放大。
Airbnb 工程团队复盘了一次持续数个季度、方向始终相同的预测偏差。几轮常规更新都没消除它，因此团队没有继续盲目重训，而是先追查偏差来源。文章最实用的判断是：所谓“重训”其实包含三种不同决定——refitting，在原有结构和特征不变的情况下换入新数据；respecifying，连模型结构、特征或设定一起重做；holding，暂时保持模型不动。前者适合参数过时，后者则提醒团队：误差出现，不等于改模型一定更安全。
这套做法把模型更新从单纯的技术动作变成风险治理：先判断旧规律是否仍成立，再决定重训、重建还是观察。供稿节选未披露最终采用哪种方案及量化效果。