负面结果也是一份结果

我做了一个模块，实验前我认为它会让模型更准，实验后它把准确率从 77.23% 拉到了 56.78%。

背景

基线模型在一个图像分类任务上稳定在 77.23%，这个数字我们先固定了下来，作为对照。然后我设计了一个新的注意力路由模块，思路是让模型对不同尺度特征动态分配权重——这是论文里常见的做法，看起来很有道理。

按规矩，动手之前我们把判定标准写下来了：在同一套数据划分、同一个评估协议下，如果新模块不能带来稳定提升，就判定为失败，不做任何事后调整。 这个"预先写下来"的动作，当时的我其实并不太情愿，觉得有点形式主义。

结果

配置	最好准确率	说明
基线	77.23%	稳定收敛
新模块（第一版）	56.78%	训练在第 61 个 epoch 崩坏
新模块（改进版）	更低	第 34 个 epoch 就崩了

第二版改得更激进，崩得也更早。到这里，方向的问题已经很清楚了。

诊断

挖下去发现是路由权重塌缩：训练早期，模块就把绝大部分权重集中到了极少数通道上，剩下的通道基本不再更新。表现出来就是——网络还在跑，loss 也在降，但模型实际上已经放弃了大部分特征。所谓"动态分配权重"，退化成了"只用一个通道"。

这个问题不是学习率或者初始化能解决的，它是设计上的：我给路由加了一个会自我强化的归一化方式，一旦某个通道稍微占优，就会被放大成绝对优势。

为什么我把这次失败完整记录了下来

因为它在几件事上比一次成功更有价值：

1. 它证明了评估协议是有用的。 如果事先没写下判定标准，"56.78%" 这个数字很容易被解释成"超参数没调好""再训久一点就好了"，然后无限期地拖下去。
2. 它给出了一个可复用的诊断路径。 "路由权重塌缩"这个现象，以及定位它用的方法（看权重分布随训练的变化，而不是只看 loss），后来我对别的模型也用过。
3. 它让后面的人少走弯路。 我把失败的配置、崩坏发生的 epoch、以及为什么第二版更早崩的原因，都写进了实验记录。

我现在怎么做实验

• 判定标准写在实验开始之前，写在一个不想改就不方便改的地方
• 失败实验和成功实验用同一套记录格式，不写"试了不行"这种话
• 结论只写实验能支撑的部分，"看起来有效但没验证"一律标注为未验证

做研究最容易骗的是自己。把标准提前写死，是成本最低的一种防止自欺的办法。