可调超参数手册

本页整理题解中反复出现的可调参数。它不是库 API 清单，而是竞赛做题时的调参顺序和判断方法：先让验证方式接近评测，再调阈值和后处理，然后调特征，最后调模型容量。

调参顺序

1. 先固定验证切分和评分脚本。验证集不可信时，任何最优参数都可能只是偶然。
2. 保存概率、logits 或连续输出。阈值、NMS、后处理窗口通常要反复扫。
3. 调特征和输入表示。窗口长度、mel 参数、图像裁剪、类别编码常决定上限。
4. 调模型容量和正则。先确认欠拟合还是过拟合，再决定加深模型或加强正则。
5. 最后做集成、多 seed 和 TTA。它们通常提升稳定性，但不应掩盖验证或特征问题。

通用验证与目标参数

验证切分方式

作用：决定本地分数是否能预测真实评测。它不是训练细节，而是所有调参的基础。

怎么调：

• 普通独立同分布分类：用 StratifiedKFold 或分层 holdout，保持类别比例。
• 时间预测：用 TimeSeriesSplit、expanding window 或按日期切分，不能随机打乱未来。
• 多段同源数据：按用户、机器、歌曲、episode、场景、个体分组，避免相邻样本泄漏。
• 小验证集：多 seed 或多折看均值和方差，不要只追一次最高分。

现象判断：

• 随机切分很高、时间/分组切分明显下降，通常说明原切分有泄漏或分布过近。
• 每折波动很大，说明数据少、类别稀有或分布不稳定；此时参数要选稳定区域，不选单折最优。

来源原题：MAGIC、自行车共享、预测性维护、无人机飞控、MusicArtist。

概率阈值和决策规则

作用：把概率、分数或 mask 转成最终提交。F1、F-beta、IoU、多标签 strict accuracy、事件计数 MAE 都可能被阈值主导。

怎么调：

• 二分类：保存正类概率，按验证集扫描阈值，例如 0.05..0.95。正类召回重要时降低阈值，误报成本高时提高阈值。
• 多分类：不要只 argmax。可为高权重类或少数类单独降低触发阈值，再处理冲突。
• 多标签/网格：每类、每个 head、每个格子可以有不同阈值；strict 指标下要评估整行命中率。
• 分割：扫描 sigmoid 阈值，同时配合最小连通域过滤和形态学后处理。
• 事件检测：阈值要和最小峰间距、NMS、合并窗口一起调。

现象判断：

• recall 低、precision 高：阈值偏高，或正类权重/采样不足。
• precision 低、recall 高：阈值偏低，或后处理太宽松。
• 单点阈值很敏感：模型概率校准差，考虑温度缩放、验证集更大或用排名型规则。

来源原题：信用卡欺诈、Cosmic Probe、Synthetic Speech、CAPTCHA、Weather。

类别权重、采样比例和损失权重

作用：改变训练时不同样本、类别或像素对 loss 的影响。适用于少数类召回、稀疏前景和评分偏向特定类别的任务。

怎么调：

• class_weight / pos_weight：少数类漏报严重时调大；误报过多时调小。
• balanced sampler：让 batch 内少数类更常出现，但验证集必须保持真实分布。
• 过采样/SMOTE：只用于训练集，不能污染验证/测试。
• 多任务 loss 权重：哪个子任务被指标重视、或学得更慢，就适当加权；若一个任务拖累另一个，考虑分开训练。
• Dice/BCE、Focal/CrossEntropy 权重：稀疏分割中 Dice 提召回，BCE 稳定像素分类；Focal 更关注难例。

现象判断：

• 模型几乎不预测少数类：提高少数类权重、重采样或降低少数类阈值。
• 少数类 recall 上升但误报不可用：降低权重或提高阈值，并同时报告误报数量。
• 分割全背景：提高正类权重、加入 Dice/Focal，检查 mask 标签是否对齐。

来源原题：Language Distribution、信用卡欺诈、Radar、Weather。

集成权重、TTA 和多 seed

作用：降低单模型方差，融合不同输入视角或模型错误模式。

怎么调：

• 概率平均优先于硬投票，因为保留不确定性。
• 先在验证集扫描少量权重，如 0.2/0.8, 0.5/0.5, 0.8/0.2，不要默认平均所有模型。
• TTA 只使用不会改变标签语义的变换。细粒度纹理任务可用多裁剪，OCR/方向敏感任务要谨慎旋转翻转。
• 多 seed 对小数据更有价值；若 seed 间差异大，说明验证和模型都不稳定。

现象判断：

• 集成提升很小：模型错误高度相关，应该换特征、增强或架构，而不是继续加同类模型。
• TTA 降分：增强不符合测试语义，或训练时没见过这类变换。

来源原题：MusicArtist、APOAI T2 Audio、豹猫个体识别。

传统表格模型

Logistic Regression / Ridge / Lasso / ElasticNet

关键参数：

• C：正则强度的倒数。C 越大，正则越弱，训练拟合更强但更易过拟合；C 越小，系数更保守。
• penalty：l2 保留大多数特征并收缩系数；l1 会让部分系数变 0，可做特征选择；ElasticNet 混合二者。
• class_weight：类别不平衡时提高少数类影响。
• 目标变换：回归任务中 log1p、Box-Cox、标准化会改变优化难度和误差分布。

怎么调：

• 高维 one-hot 或 TF-IDF：先扫 C 的对数网格，如 0.01, 0.1, 1, 10。
• 特征很多且冗余：试 L1 或 ElasticNet，看验证分和非零特征数量。
• 目标长尾：比较原目标和 log1p，最终在提交尺度或题目指标上评估。

注意事项：

• 线性模型对特征缩放敏感，树模型不太敏感。比较模型时要保持预处理 pipeline 一致。
• Lasso 选出的特征不一定因果，只能说明在当前切分和共线性下有用。

来源原题：MAGIC、房价预测、APOAI Mock Text。

SVM / LinearSVC

关键参数：

• C：惩罚分类错误的强度。大 C 更贴训练集，小 C 间隔更宽、泛化更稳。
• gamma：RBF kernel 的局部影响范围。大 gamma 决策边界更复杂，小 gamma 更平滑。
• kernel：线性适合高维稀疏文本；RBF 适合中小规模连续特征。
• class weight：少数类召回不足时使用。

怎么调：

• 文本 TF-IDF：优先 LinearSVC，扫 C。
• 连续特征且样本不大：标准化后扫 C 和 gamma 的小网格。
• 验证分高但测试不稳：降低 C 或 gamma，让边界更平滑。

注意事项：

• RBF SVM 在大数据上训练成本高。
• LinearSVC 默认没有概率；需要概率融合时用 Logistic Regression 或校准。

来源原题：MAGIC、IOAI Antique、APOAI Mock Text。

KNN

关键参数：

• k：邻居数量。小 k 更敏感、可贴近局部结构；大 k 更平滑但可能吞掉少数类。
• 距离度量：欧氏距离适合标准化连续向量；cosine 常用于 embedding 和文本向量。
• 距离权重：按距离加权可让近邻更重要。
• 标准化方式：KNN 对尺度极敏感，必须处理量纲。

怎么调：

• 小样本新类识别：从 k=1,3,5,7 开始，观察旧类误伤和新类召回。
• embedding 检索：优先 cosine 或归一化后的内积。
• 类别密度差异大：试距离加权，避免多数类远邻淹没近邻。

注意事项：

• KNN 的阈值常比 k 更重要，例如“距离足够近才判新类”。
• 查询量大时推理成本可能成为问题，需要缓存或近似检索。

来源原题：Help BOBAI、Restroom。

RandomForest / ExtraTrees

关键参数：

• n_estimators：树数量。增大通常降低方差，但收益递减，训练和推理更慢。
• max_depth：单棵树深度。越深越容易记住训练集；越浅越平滑。
• min_samples_leaf：叶节点最少样本数。增大可显著抑制过拟合，让预测更平滑。
• max_features：每次分裂可看的特征数。较小会增加树之间差异，降低相关性。
• class_weight：类别不平衡时提高少数类影响。

怎么调：

• 先固定 n_estimators 到足够稳定的值，再调深度和叶子最小样本。
• 训练分远高于验证分：减小 max_depth，增大 min_samples_leaf，或减小 max_features。
• 训练和验证都低：增加候选特征、树深或换 GBDT。
• 特征维度有限但噪声多：调低 max_features，看是否提升泛化。

注意事项：

• 树模型不需要标准化，但会受噪声特征和泄漏特征影响。
• feature importance 可用于诊断，但高 importance 也可能暴露泄漏字段。

来源原题：口袋里的运动侦探、MAGIC、蘑菇毒性。

GBDT / XGBoost / LightGBM / CatBoost

关键参数：

• learning_rate：每棵树贡献大小。小学习率更稳，通常需要更多树；大学习率收敛快但更易过拟合。
• n_estimators / boosting rounds：树轮数。应与 early stopping 联动。
• 树深/叶子数：控制交互复杂度。越大越强，也越容易过拟合。
• min_child_weight / min_data_in_leaf：叶子所需样本或权重。增大能平滑模型。
• subsample、colsample_bytree：行/列采样。小于 1 可降过拟合，但过低会欠拟合。
• L1/L2 正则：抑制复杂叶子权重。
• early stopping：用验证集决定停止轮数。

怎么调：

• 建强 baseline：先用中等深度、小学习率和 early stopping。
• 过拟合：减小深度/叶子数，增大叶子最小样本，加大正则，降低行列采样。
• 欠拟合：增加树深/叶子数、降低正则、增加轮数，或改善特征。
• 数据少：浅树、较大 min_data_in_leaf、强 early stopping 更稳。
• 类别特征多：优先考虑 CatBoost 原生类别处理或谨慎 target encoding。

注意事项：

• 有些题禁用 XGBoost/LightGBM/CatBoost，使用前必须看题面。
• early stopping 的验证集必须无泄漏，否则会把泄漏模式固化进模型。

来源原题：Cosmic Probe、房价预测、预测性维护。

特征工程参数

特征数量预算

作用：在维度限制或小数据下，控制模型看到多少统计量。

怎么调：

• 先生成宽候选集，再按验证增益、重要性和跨折稳定性筛选。
• 维度预算很紧时，优先保留覆盖不同信息类型的特征，而不是同类统计的变体。
• 模型固定时，特征选择本身就是核心超参数。

现象判断：

• 加特征后训练分升、验证分降：冗余或噪声特征太多。
• 所有模型都低：特征没有覆盖目标差异，应回到领域信息。

来源原题：口袋里的运动侦探。

时间窗口、lag 和 rolling

作用：决定模型看到多长历史，以及历史如何聚合。

怎么调：

• 周期任务先从已知周期试起，如小时任务的 24/168，日任务的 7/30。
• 故障预警任务同时调历史窗口和预测窗口。历史窗口太短缺少趋势，太长会稀释近期异常。
• rolling mean/std/max/min 可从小窗口到大窗口做粗网格，例如 3, 7, 14, 30。
• 趋势斜率窗口用于捕捉缓慢恶化；异常值裁剪分位数用于减少传感器尖峰影响。

现象判断：

• 峰值预测偏低：窗口过长或目标变换过强，模型学到平滑平均。
• 误报很多：窗口过短，模型被短期噪声驱动。
• 本地随机 CV 很好、时间 CV 差：lag/rolling 构造可能泄漏未来。

来源原题：自行车共享、预测性维护。

目标变换和异常值裁剪

作用：改变目标分布和 loss 对极端样本的敏感度。

怎么调：

• 右偏长尾回归：试 log1p 或 Box-Cox，预测后反变换再算真实指标。
• 高价/高计数极端值影响 RMSE：试裁剪目标或样本权重，但要防止削弱真实高值预测。
• MAE 指标：可以尝试直接优化 MAE/Huber，而不只 MSE。
• RMSLE 指标：目标 log 变换通常更贴近指标。

现象判断：

• 高值样本系统性低估：log 变换后反变换偏保守，可调损失、加权高值样本或做分段模型。
• 验证 loss 好但提交尺度指标差：评估时忘了反变换或指标尺度不一致。

来源原题：房价预测、Chicken Counting、IOAI Antique。

类别编码与稀有类别

作用：把类别变量转成模型可用形式，并处理训练/测试类别不一致。

怎么调：

• one-hot：类别数少、线性模型或树模型都可用；注意训练/测试列对齐。
• ordinal：仅适合有自然顺序的类别，普通类别随意编号会引入假顺序。
• target encoding：高基数类别有用，但必须交叉验证内计算，防止标签泄漏。
• 稀有类别合并：阈值太低会保留噪声，太高会丢信息。可扫最小出现次数。
• 未见类别：设置 unknown 或默认编码，不要让推理崩溃。

现象判断：

• 训练分异常高：target encoding 或类别字段可能泄漏。
• 测试报列缺失：训练/测试 one-hot 没有统一对齐。

来源原题：房价预测、蘑菇毒性、APOAI 2025 Mock Basketball。

科学/物理描述符

作用：把对称性、物理量或领域结构编码进特征，减少模型学习负担。

怎么调：

• 分子任务：元素计数、元素对距离统计、Coulomb matrix、fingerprint 半径和 bit 数都可作为参数。
• 坐标/点云：优先距离、角度、主轴、协方差特征值等旋转/平移不变特征。
• 天文星等：相邻波段差值比单波段更像颜色特征，可调交互项和异常值裁剪。

现象判断：

• 坐标展平模型训练好、测试差：缺少不变性，模型记住顺序或姿态。
• 元素计数 baseline 已经很强：目标主要由组成决定，几何特征应拟合残差。

来源原题：Molecular Energy、Cosmic Probe。

深度模型训练参数

深度学习网络搭建：层数、宽度、激活与模块选择

作用：网络结构决定模型能表达什么。学习率、dropout、epoch 只能在已有结构上优化；如果架构和数据形态不匹配，后续调参收益有限。

先选架构类型：

• 表格特征、统计特征、低维传感器特征：从 MLP 开始。输入已经是结构化特征时，纯线性层叠加通常比 CNN/RNN 更合适。
• 图像、mel 频谱、雷达热图、卫星 mask：从 CNN 或 encoder-decoder CNN 开始。局部纹理、边缘、空间邻域关系是核心。
• 字符、文本、音符、时间序列标签：从 RNN/GRU/LSTM、1D CNN 或轻量 Transformer 开始。序列长度不长时 BiLSTM/GRU 往往够用。
• 音频事件、视频动作、频谱随时间变化：常用 CNN 提取局部时频/图像特征，再接 temporal pooling、RNN 或 attention。
• 多源输入：用多分支结构。每类输入先用适合自己的 encoder，再 concat 或加权融合。
• 控制策略和实时任务：优先小 MLP 或极浅 CNN+MLP。推理耗时是结构参数的一部分。

隐藏层数怎么决定：

• 从浅模型开始。MLP 可先试 1 到 3 个隐藏层；小 CNN 可先用 2 到 4 个卷积 block。
• 训练分和验证分都低：模型可能欠拟合，可以加层、加宽、换更合适的模块，或补特征。
• 训练分高但验证分低：不要先加深；应减少层数/宽度，增强正则、数据增强或冻结更多层。
• 数据很少：层数越多越容易记住训练集。优先使用预训练、冻结 backbone、小 head 或手工特征。
• 有强局部结构：加深 CNN block 往往比加 MLP 层更有效。
• 有长程依赖：单纯加 MLP 层通常没用，应换 RNN/attention 或加入自相关、lag、位置编码等结构。

隐藏层大小和通道数怎么调：

• MLP 宽度控制非线性组合能力。常见起点是 64、128、256，再按验证曲线扩大或缩小。
• CNN 通道数控制纹理和局部模式容量。常见起点是 16-32-64 或 32-64-128。
• RNN hidden size 控制可记住的序列状态容量。字符级任务可从 64/128 起步，长序列或复杂语法再增大。
• embedding 维度太小会欠拟合，太大在小数据上容易过拟合。类别/字符表不大时不要盲目设很大。
• 资源受限时，优先减少输入尺寸、通道数和全连接层宽度。全连接层参数常比卷积层增长更快。

激活函数怎么选：

• ReLU 是默认起点，简单、快、稳定。
• LeakyReLU 适合担心 ReLU 大量“死掉”的小网络或信号回归。
• GELU/SiLU 更平滑，常用于 Transformer、现代 CNN 或需要细腻优化的模型，但计算略重。
• Tanh 可用于输出需要落在 [-1, 1] 附近的内部表示，但深层网络中更容易梯度变小。
• Sigmoid 通常只放在输出解释阶段；训练二分类建议输出 logits 并配合 BCEWithLogitsLoss。
• 坐标拟合和高频信号不应只靠普通激活加深网络；更有效的是 Fourier/sin-cos 位置编码或 SIREN 类周期激活。

归一化层怎么选：

• BatchNorm 适合 batch 足够大、图像 CNN 训练稳定的场景；batch 太小时统计不稳。
• LayerNorm 对 batch size 不敏感，适合序列模型、Transformer、小 batch。
• GroupNorm 适合图像小 batch，是 BatchNorm 不稳定时的替代。
• 特征已经标准化、网络很浅、数据很少时，不一定要加归一化层；加了也要看验证表现。

池化和融合怎么选：

• CNN 分类头优先用 global average pooling，减少全连接参数并降低过拟合。
• 小目标或短事件容易被 average pooling 稀释，可用 max pooling、attention pooling 或多尺度 pooling。
• 分割任务不要过早全局池化；需要保留空间分辨率，用 UNet/encoder-decoder 跳连恢复细节。
• 多分支融合先让每个分支学到同尺度表示，再 concat。若某分支强很多，可调融合权重或给弱分支单独预训练。
• 图文、音频+表格、mask+状态这类任务，不要把原始输入直接硬拼；先各自编码再融合更稳。

输出头怎么定：

• 二分类：输出一个 logit，用 BCEWithLogitsLoss；推理时 sigmoid 后扫阈值。
• 多分类：输出 num_classes 个 logits，用 CrossEntropyLoss；不要先 softmax 再喂 loss。
• 多标签：每个标签一个 logit，用 BCE；每类阈值可单独调。
• 回归：最后线性输出；若目标必须非负，可用 softplus、ReLU 或推理后 clip，但要检查是否造成低值偏差。
• 计数：可直接回归标量，也可密度图积分；若随机裁剪，标签必须同步调整。
• 序列标注：输出每个位置的 logits，mask 掉 padding；最后一位、合法边界等规则可后处理强制。

结构选择诊断：

现象	优先调整
训练和验证都低	加宽/加深，换更匹配的数据模块，补输入特征或位置编码。
训练高、验证低	减小宽度/层数，加 dropout/weight decay/增强，或使用预训练冻结。
图像/谱图局部细节识别差	增加输入分辨率、CNN 通道或局部 crop，避免过早池化。
短事件漏检	换 max/attention pooling，减小 hop，加入差分或时序分支。
序列边界错位	检查 padding/mask、位置编码、帧到时间对齐，再调 hidden size。
实时推理超时	减少输入尺寸、CNN block、全连接宽度，缓存特征，避免每帧重复加载模型。

来源原题：Image Fitting、MusicArtist、APOAI T2 Audio、Drum Beat Counter、SwitchSnap、图文匹配、无人机飞控、Word Segmentation、眼部疾病。

学习率、batch size、epoch 和 early stopping

作用：控制优化速度、稳定性和训练时长。

怎么调：

• 学习率过大：loss 抖动、验证分不稳定、微调时旧能力快速崩。降低学习率或冻结更多层。
• 学习率过小：训练很慢、训练分也上不去。可增大学习率或先只训 head。
• batch size 大：梯度稳定、显存/内存压力大，可能泛化略差。
• batch size 小：噪声大但有时泛化好；BatchNorm 可能不稳定。
• epoch：配合 early stopping；小数据不应盲目长训。
• early stopping patience：太小会提前停在偶然低谷，太大容易过拟合。

现象判断：

• 训练分和验证分都低：欠拟合，增加训练时间、模型容量或学习率。
• 训练分高、验证分低：过拟合，增强、正则、早停、降容量。

来源原题：蜜蜂分类、眼部疾病、APOAI T2 Audio。

Dropout、weight decay 和 label smoothing

作用：限制模型过度依赖训练样本细节。

怎么调：

• Dropout：增大可降过拟合，但过大导致欠拟合。常从 0.1..0.5 试。
• weight decay：抑制权重过大。微调预训练模型时通常小一些，训练新头可略大。
• label smoothing：降低过度自信，细粒度分类和噪声标签中常有用。

现象判断：

• 训练准确率很高、验证不涨：提高 dropout/weight decay 或增强。
• 训练也上不去：正则太强，降低 dropout/weight decay。
• 概率极端但错得自信：试 label smoothing 或温度校准。

来源原题：蜜蜂分类、豹猫个体识别、Underfit CV。

冻结层数、分类头和蒸馏权重

作用：控制预训练知识保留和新任务适配程度。

怎么调：

• 数据少或旧类不能坏：冻结 backbone，只训练 head、adapter 或 logits 校正层。
• 新任务和预训练差异大：逐步解冻后几层，小学习率微调。
• 灾难性遗忘：加入 teacher logits 蒸馏或新旧模型概率融合。
• 蒸馏权重：太小保不住旧知识，太大新类学不动。

现象判断：

• bad/new 类提升但 good/old 类崩：解冻太多、学习率太大或蒸馏太弱。
• 新类几乎不提升：冻结太多、学习率太小或蒸馏太强。

来源原题：Underfit CV、Help BOBAI、眼部疾病。

输入尺寸、裁剪和增强强度

作用：决定模型能看到多少细节，以及训练分布有多宽。

怎么调：

• 细粒度纹理：提高输入尺寸、做主体裁剪，避免随机裁掉关键纹理。
• 医学/遥感/雷达：预处理和通道选择常比盲目增大模型重要。
• 小图像：过深模型收益有限，增强和正则更重要。
• 增强强度：从轻到重。若增强改变标签语义，应禁用或同步调整标签。

现象判断：

• 模型记背景：加强主体裁剪、随机擦除、颜色/灰度增强。
• 小目标识别差：提高分辨率或先检测 ROI。
• 训练增强后验证下降：增强破坏了任务语义。

来源原题：豹猫个体识别、眼部疾病、Chicken Counting、SwitchSnap。

序列模型长度和生成参数

关键参数：

• max_length：截断长度。过短丢信息，过长增加计算并稀释有效 token。
• embedding/hidden size：越大表达越强，也越易过拟合。
• dropout：序列小数据防过拟合。
• teacher forcing：训练生成模型时控制使用真值上下文的比例。
• beam size：越大搜索更充分，但慢且可能偏向安全模板。
• temperature/top-k/top-p：控制生成多样性。低 temperature 更保守，高 temperature 更发散。

怎么调：

• 边界标注：阈值和合法性约束通常比加大模型更直接。
• 结构修复：生成候选后用规则/约束重排，调约束权重。
• 反演/恢复：先保证候选 top-k 召回，再调语言模型约束权重。

来源原题：Word Segmentation、JSB Chorales、Mid-Layer Inversion。

音频 mel 频谱参数

常用库：

• librosa.feature.melspectrogram：适合离线特征工程和 notebook 快速实验。
• torchaudio.transforms.MelSpectrogram + AmplitudeToDB：适合 PyTorch 训练管线，可和 Dataset、DataLoader 集成。
• scipy.signal.stft/numpy + mel filterbank：适合需要自定义 STFT 或减少音频库依赖时。

sample_rate / sr

作用：决定每秒采样点数，也决定最高可表示频率。

怎么调：

• 电话语音、短事件：16 kHz 通常足够，能保留大部分语音和事件信息。
• 音乐、鼓点、音色识别：更高采样率可能保留高频音色，但计算量增加。
• 伪造检测：不要随意降采样，高频伪影可能是关键信息。

注意事项：训练、验证、测试必须统一采样率。若重采样，所有 mel 参数都要按新采样率重新理解。

n_fft、win_length 和 hop_length

作用：共同决定时间/频率分辨率。

怎么调：

• n_fft 大：频率分辨率高，适合音色、稳定频率结构；但瞬态会被摊宽。
• n_fft 小：时间定位好，适合鼓点、咳嗽、响指等短事件；但低频分辨率变差。
• win_length 通常等于或小于 n_fft。短窗更敏感瞬态，长窗更平滑。
• hop_length 小：帧更密，事件定位更准，谱图更宽、计算更重。
• hop_length 大：速度快，但可能跳过短事件。

经验起点：

• 16 kHz 短音频事件：n_fft=512/1024，hop_length=160/320。
• 音乐片段分类：n_fft=1024/2048，hop_length=256/512。
• 鼓点/onset：优先较小 hop，并用验证 MAE/F1 校准帧到时间。

来源原题：Drum Beat Counter、APOAI T2 Audio。

n_mels

作用：mel 频带数量，决定频率轴分辨率和输入尺寸。

怎么调：

• 64：常用稳健起点，计算轻，适合短 clip 分类和小 CNN。
• 80：语音任务常见折中。
• 128：音色、音乐、伪造纹理更细，但模型更重、更容易过拟合。

现象判断：

• 高频/音色混淆明显：尝试增加 n_mels 或调整 fmax。
• 数据小且过拟合：减少 n_mels，或加强 SpecAugment/dropout。

来源原题：MusicArtist、Synthetic Speech。

fmin / fmax

作用：控制 mel 频谱覆盖的频率范围。

怎么调：

• 底鼓、低频机械声：确保低频范围保留，fmin 不要太高。
• 喷嚏、咳嗽、军鼓：中高频也重要，fmax 不要过低。
• 电话语音：可限制到电话有效频带以减少无关噪声。
• 合成语音检测：高频伪影可能有用，谨慎降低 fmax。

注意事项：fmax 不能超过 sample_rate / 2。不同采样率下同一 fmax 的含义不同。

power、log/dB 和动态范围

作用：控制谱值的尺度。

怎么调：

• power=2：功率谱，常用默认，强调强能量区域。
• power=1：幅度谱，动态范围相对温和。
• log(x + eps) 或 dB：压缩动态范围，让弱事件不被强背景完全淹没。
• top_db：限制 dB 最小值。过小会截断弱信号，过大保留更多噪声。

现象判断：

• 模型只关注强背景：尝试 log/dB、归一化或频带权重。
• 弱事件消失：检查 top_db、eps 和归一化是否过度。

center、pad_mode 和时间对齐

作用：决定 STFT 帧是否以当前点为中心，以及边界如何补齐。

怎么调：

• clip-level 分类：通常影响不大，保持默认并训练/推理一致即可。
• onset/逐帧标签：必须明确帧中心对应原音频时间，否则标签会整体偏移。
• 实时推理：center=False 更符合因果处理，避免使用未来样本。

来源原题：Drum Beat Counter。

频谱归一化

作用：减少录音增益、设备和背景差异。

怎么调：

• 全局训练集均值方差：分类任务常用，推理稳定。
• 每样本标准化：能消除音量差异，但可能抹掉“整体能量大小”这个有用特征。
• 按频带标准化：适合频带能量差异大的任务，但要避免破坏伪造痕迹。

现象判断：

• 不同音量样本误差大：增强中加入增益扰动，或使用归一化。
• 伪造检测性能下降：归一化可能抹掉合成痕迹，比较轻/重归一化。

来源原题：MusicArtist、Synthetic Speech。

SpecAugment、mixup 和时间裁剪

作用：音频谱图增强，降低过拟合。

怎么调：

• 时间 mask：模拟事件位置变化；短事件任务 mask 过宽会遮掉目标。
• 频率 mask：提高频带鲁棒性；伪造检测中不要过强，可能遮掉关键伪影。
• mixup：多分类可提升平滑性；事件计数或强定位任务要谨慎。
• 时间裁剪：长音频可增加样本，但验证要按原音频分组。

来源原题：MusicArtist、APOAI T2 Audio、Synthetic Speech。

后处理参数

峰值阈值、最小峰间距和 NMS

作用：把连续概率曲线转为离散事件。

怎么调：

• 阈值低：召回高、重复和误报多。
• 阈值高：误报少、漏检多。
• 最小峰间距/NMS 大：避免一个事件重复计数，但会合并近距离真实事件。
• 平滑窗口大：降低噪声，但会让事件时间偏移。

验证方法：同时记录漏检、重复检测、平均偏移和最终计数/IoU 分，不只看帧级 F1。

来源原题：Drum Beat Counter、SwitchSnap。

连通域、形态学和边界裁剪

作用：清理分割 mask 中的小噪声和系统性边界伪影。

怎么调：

• 最小连通域面积：增大可去噪，但会删掉小目标。
• 开操作：去小点噪声；闭操作：填小洞。
• 边界裁剪：适合雷达/传感器固定边缘噪声，但不要裁掉真实边缘目标。
• mask 阈值和连通域要一起调。

现象判断：

• 空背景误报多：提高阈值、增大最小面积、加边界过滤。
• 小目标漏掉：降低面积阈值或使用 Dice/Focal 提召回。

来源原题：Radar、Weather、Pixel Efficiency。

OCR 置信度、正则优先级和默认策略

作用：在 OCR + 规则任务中决定哪些文本可信，以及解析失败时如何兜底。

怎么调：

• OCR 检测阈值高：文本更准但可能漏字段。
• OCR 检测阈值低：召回高但干扰数字多。
• 文本框合并距离：过小会拆散日期，过大会把无关文字混在一起。
• 正则优先级：优先匹配完整日期和关键词附近字段。
• 默认策略：风险敏感任务中，不确定时可偏向保守类别。

现象判断：

• 日期识别错多：调 OCR 阈值、图像预处理、日期正则。
• 保质期识别错多：调关键词窗口和单位规则。
• 规则计算错：单独写日期运算测试，不要靠模型补。

来源原题：Expired。

Beam search、top-k/top-p、temperature 和约束权重

作用：控制候选生成和规则/语言先验重排。

怎么调：

• beam size 大：搜索更充分但更慢，且可能偏向常见安全输出。
• top-k/top-p 小：候选保守；过小可能错过正确答案。
• temperature 低：输出稳定；temperature 高：多样但更容易违规。
• 约束权重高：更合法但可能牺牲局部准确率；权重低则模型原始预测主导。

现象判断：

• 输出合法但准确低：约束过强或候选召回不足。
• 准确看似高但规则扣分多：约束太弱，需要后处理或动态规划。
• 文本流畅但 token 准确低：语言先验压过 hidden/probe 证据。

来源原题：JSB Chorales、Mid-Layer Inversion、Concepts。

常见调参误区

• 只调模型不调验证切分：本地分数会很好看，但不能预测榜单。
• 固定阈值 0.5：很多 F1、F-beta、多标签和分割任务都会吃亏。
• 过早集成：集成不能解决泄漏、错误指标和坏特征。
• 忘记提交尺度：目标 log 训练后必须反变换再按真实指标评估。
• 后处理只看中间指标：事件、计数、分割和生成任务最终要按提交评分验证。