算法工程中的四个“静默失败”:那些跑通了但不该被信任的代码
算法工程师最危险的时刻,不是训练崩了,而是训练“正常结束”了。loss 在降,指标在涨,模型导出顺利,服务上线后却慢慢暴露出问题:两次实验差了一个点却怎么也复现不出来;扩了卡、调了累积步数,有效 batch 没变,收敛曲线却分叉;离线 F1 高达 0.94,上线后连基线都不如;PTQ 量化后掉点,换了三套校准数据依然救不回来。这些问题的共同特征是不报错、不崩溃,只在工程意义上失效。下面四个环节,每一个都是“静默失败”的高发区,且每一个都有可操作的代码级防线。