Что такое расхождение обучения и прода (training/serving skew) и как feature store его устраняет?

Расхождение обучения и прода (training/serving skew) — ситуация, когда признак с одним и тем же названием считается по-разному при обучении и в бою: в обучении — SQL-запросом по хранилищу, в проде — кодом на Python в сервисе. Модель обучилась на одних числах, а получает другие, и качество падает без единой ошибки в логах. Feature store решает это структурно: один код преобразования питает и офлайн-хранилище для обучения, и онлайн-хранилище для инференса.