本题考查逻辑回归模型训练相关知识。对于逻辑回归模型来说，向模型中加入更多特征值会提高训练精度或保持不变，低偏差，所以不存在训练精度降低的可能性；测试精度效果不确定，如果特征值是显著的，测试精度会上升，如果特征值完全没有意义，那么对于测试精度不会有影响，如果特征值过多容易导致过拟合现象，从而会导致测试精度下降。因此本题选B。

正确答案是：B: 训练精度总是上升或不变

专业分析：

1. **训练精度总是上升或不变（B）**：
- 当在数据中加入新的特征值时，模型有了更多的输入信息可以利用，从而可以更好地拟合训练数据。因此，训练精度通常会提高或至少保持不变。因为模型可以通过增加复杂性来更好地适应训练数据。

2. **训练精度总是下降（A）**：
- 这不正确。增加新的特征通常会使模型更复杂，能够更好地拟合训练数据，所以训练精度一般不会下降。

3. **测试精度总是下降（C）**：
- 这不一定。增加新的特征可能会导致模型过拟合训练数据，从而在测试数据上的表现变差，但也有可能增加的特征对模型有帮助，提升测试精度。因此，测试精度不一定总是下降。

4. **测试精度总是上升或不变（D）**：
- 这也不一定。增加新的特征可能会导致模型过拟合训练数据，从而在测试数据上的表现变差。因此，测试精度不一定总是上升或不变。

综上所述，正确答案是B: 训练精度总是上升或不变。