第178章 效果提升（1/2）

请关闭浏览器的阅读/畅读/小说模式并且关闭广告屏蔽过滤功能，避免出现内容无法显示或者段落错乱。

周二晚上九点一刻，林晨才从公司出来。

这比跟苏婉约定的时间晚了十五分钟。他在工位上多待了一会儿，因为透明蒸馏核心模型的训练结果刚出来，他需要确认每一行数字。

故事要从早上说起。

八点整，三个人准时坐在了工区。林晨打开集群监控面板，8卡A100的状态灯亮着幽幽的蓝色，像八只沉默的眼睛，等待着指令。

Ours版本训练，启动。他在终端里输入命令，手指在回车键上停了半秒，然后按下。

日志开始滚动。损失函数的三项——L_output、L_feature、L_exp——依次初始化，权重参数α=0.6、β=0.3、γ=0.1加载完成。这是第一轮实验的初始参数配置，γ的权重故意设得比较低，因为这是可解释性蒸馏损失的首次亮相，稳妥起见，不能让它喧宾夺主。

训练过程中，林晨每隔半小时刷新一次监控面板。Loss曲线在稳步下降，三项损失各司其职——L_output下降最快，说明输出蒸馏的效果保真没有问题；L_feature也在稳定收敛，中间层对齐在按预期进行；L_exp的下降幅度最小，但趋势稳定，没有出现震荡或发散。

一切正常。

下午一点，训练完成。

林晨从椅子上站起来，走到张明远工位旁边：结果出来了，开始评估。

张明远立刻打开评估脚本，把训练好的模型加载进来。归因一致性、归因稳定性、CTRAUDCG……八个指标逐一跑过。

五分钟后，结果出来了。

林晨盯着屏幕上的数字，深吸了一口气。

指标对比（测试集）:Basele-ABasele-BOurs(α=0.6,β=0.3,γ=0.1)CTRAUC:0.79230.80410.8067NDCG@10:0.35120.36340.3658归因一致性(s):0.68410.70120.7823归因稳定性(1-sens):0.72340.69870.7856

归因一致性从0.7012提升到0.7823，涨了八个点。张明远的声音里有一丝难以置信，归因稳定性从0.6987提升到0.7856，涨了将近九个点。效果指标也有提升，CTRAUC从0.8041到0.8067，NDCG从0.3634到0.3658。

林晨没有立刻说话。他盯着最后一行数字——归因稳定性0.7856。Basele-B的这个指标是0.6987，比Basele-A的0.7234还低。但现在，加了可解释性蒸馏损失之后，这个指标不仅回来了，还大幅超越了两个基线。

可解释性蒸馏损失不仅没有拖累效果，反而同时提升了效果和可解释性。

林晨哥，陆小溪从自己工位那边走过来，看着屏幕上的数字，这个结果……比预期好。

确实比预期好。林晨的语气很平静，但他的心跳在加速。他知道这个结果的分量。

但作为项目负责人，他不能因为一组实验数据就急着下结论。

一组数据不够，他提醒自己，也提醒团队，我们用了随机种子42，需要换种子再跑两轮，确认结果的稳定性。另外，γ=0.1只是初始配置，消融实验和超参数搜索还没做。今天的成果是好的开始，但不是终点。

张明远和陆小溪同时点头。

下午，三个人开始轮换种子重新训练。8卡A100的资源被安排得满满当当——一台机器跑种子2024的实验，另一台同时开始消融实验的第一组配置。

本章未完，点击下一页继续阅读。