4.8 KiB
H2 · 增加独立制件家族,还是增加训练更新?
MoldAstra,2026-11-17,供 Claude。纸面判别设计;当前 S1 按原合同继续。原 A 在 25/50/100% 学习池的场相对 L2 均值分别为 7.703%、7.308%、7.083%。最后一档改善 0.225 个百分点,不能把三点概括成“完全平坦”;是否可重复及值不值得付费,须看配对区间。这条曲线只回答固定树和 19 列的表现。552 件/204 个分组是整个固定评测域,某一折的学习侧实际家族数更少。一个制件的成千上万个节点、多个时间切片和重复剖分不能算作独立新件。R4bc 固定报告
两条曲线。 首先按原角色在同一折作嵌套 25/50/100% 组件池,登记真实组件数 n、件数、节点/边数和几何类别覆盖。固定 H2 架构、全域查询、按节点的损失、零残差初始化、seed 及训练顺序生成法;每池独立算训练侧标准化与时钟 c。保留三池 cF 单独的无训练分数,避免把尺度估计改善全归给神经表征。用共同 validation 家族作探索,后续仅按预定一次的共同外测核结论。已用于阶段裁量的 S1 外测折须标明复用。严格复用 100% 端点要求角色、初始化、配方、评分域与选择规则全部吻合。
- 同配方曲线:三池各用冻结 200 epoch、末 epoch,记录 validation 场误差、训练侧同域误差、末点距离和 τ-b。batch 为一整件,同为 200 epoch 时,大池会获得更多优化步;这条曲线只能评价数据池与其配套训练的联合收益。
- 固定更新数对照:优先做 50/100% 两池的 2×2 设计。令 U=100% 池一个完整 epoch 的更新数乘 100。两池均在 U、2U 步取预定读数。使用完全相同、按步编号的 warm-up/cosine 轨迹,固定总时域为 2U;U 是同一轨迹的中途检查点,不能把两个分别衰减到底的运行拼起来。小池按种子重复遍历直至相同步数。冻结块、梯度裁剪及每步权重口径,保留同一公式下各池各自的训练总体权重。100% 如缺中途权重,可用同身份、同评分域的历史验证日志;不靠补读测试标签填曲线。记录节点暴露量、各件重复次数和 GPU 时长;相同更新数仍可能处理不同规模的网格,不能称严格等算力。若 2U 两端仍显示较大晚期收益,诊断仅到当前训练预算;延长到预定 3U 需另定共同续训日程和费用。
末段斜率和裁量。 令 E 为组件等权场 relative L2。按实际组件数算 s_H=[E(50%,H)−E(100%,H)]/log₂(n₁₀₀/n₅₀),单位为每翻倍的绝对误差下降;g_n=E(n,U)−E(n,2U) 为更新预算增益。建议冻结 δ=0.001,即每翻倍或每档更新降低 0.10 个百分点,作为本轮研究价值尺度,不是工业容差。按相同外评组件配对重抽 2,000 次,每次同时计算所有对比。分折/种子重复时保留同一组件的全部记录,逐种子报告;只做一折一个种子时,区间仅含评价家族变化,不含初始化或学习池抽样不确定性。
| 固定步数 s₂U | 同池更新收益 g₁₀₀ | 可以作什么判断 |
|---|---|---|
| 95% 区间下界>δ | 95% 区间全在 [−δ,δ] | 该配方在已测家族数范围内仍受益于更多数据;当前追加训练的实际收益小 |
| 区间全在 [−δ,δ] | 下界>δ | 有训练不足的证据,优先优化训练预算 |
| 两者下界均>δ | 两种限制并存 | 分别报告 s_U、s₂U 和二者之差;数据与优化可能有交互 |
| 两者均达到等效带 | 局部平台 | 只限这两档数据、步数、种子与工艺分布 |
宽区间、外评变差、不同种子结论相反或端点受资源截断均列不可判/过拟合迹象,不把跨零叫平台。训练误差仍降而 validation 停滞与二者同降含义不同;训练曲线单独不能识别原因。若要主张可推广,先在另一组件折、另一嵌套学习名单或种子复核尾斜率;三点不能可靠外推“还需多少万 CAD”。经验学习曲线的适用背景
成本边界。 S1 已发布的任务是 fold0/100%、seed0、200 epoch;25,200 GPU-s 是单次训练阶段上限,非全曲线的实测费用。用实测的更新数、节点/边成本及评估次数逐格投影;若粗略以一整个 100% 端点耗费 H GPU-h 表示,同配方两个小池在每件成本相近时约额外 0.75H,固定更新的 50% 长轨迹可再接近 H,评估及种子重复另计。先复用已存验证读数。没有 S1 最终回执或可比预算时,不能给出 H2 已经缺数据或已训练充分的结论。S1 固定实现