微调时依赖版本对不上，训练出来的代码模型会怎么退化
微调代码模型时，训练数据中的API调用模式会固化为特定依赖版本的“快照”。当推理环境版本不同，模型仍按旧版模式生成代码，导致可执行率显著下降——从91%跌至74%的实测案例中，主因是`torch.load`、`OneHotEncoder(sparse=False)`等API的语义或参数变化。这种退化源于训练数据版本信息缺失、多版本混叠，以及模型缺乏运行时反馈。缓解方案包括：在微调数据中注入版本条件、构建多版本覆盖样本、推理侧静态校验API兼容性，或直接锁定推理环境版本。