机器学习模型检查点与论文结果，如何确认同一版本？

机器学习稿件表格写出的准确率来自一份模型权重，提交的代码仓库却默认加载另一次训练的检查点。即使两份模型结构相同，权重、预处理字典和阈值不同，复现出的数字也可能不一样。投稿时要给每个主要结果建立从数据版本、训练配置到检查点文件的唯一追踪链，让论文里的“最终模型”确实有一个可识别的实体。

先固定结果产生时的环境。记录源代码提交号、数据拆分清单、预处理参数、训练命令、随机种子、框架版本、权重文件名称及哈希值。哈希不能证明模型质量，却能检查两次使用的权重是否同一文件。若权重经过量化、剪枝或导出为推断格式，这些应作为新版本保留，并说明论文性能用原权重还是导出版本算出。不能在稿件写“最佳epoch 42”，文件却只剩最后epoch的权重。

给每张主表和主图配一条“结果从哪里来”的记录：每个主表行和主图对应评估脚本、检查点、评价数据及运行日期。若同一模型在不同测试集上评估，可以复用权重，但数据清单和评价命令必须分别记录；若每个折都训练一个模型，不能把某一折的权重当成全折汇总结果的唯一代表。NeurIPS论文清单询问是否提供重现主要实验所需代码、数据与说明，映射表正是回答这一问题的最小工具。

还要说清这份权重是怎么选出来的。按预先定义的验证指标选“最佳”可以，但测试集不能参与挑选；若因训练波动人工选择一份看起来最好的，记录选择规则和尝试次数。若论文结果来自多个随机种子的平均值，应保存每个种子的权重与结果，或者明确哪些权重仅用于示例部署。单一展示权重不能代替平均值背后的全部实验。对开发中失败或未纳入的检查点，也不要改写历史以显得只有一次尝试。

上传限制可能不允许公开全部原始数据或权重。仍可提供模型结构、配置、散列、获取路径和受限审阅方式，说明哪些部分无法公开及原因。若代码仓库更新，使用固定发布版本或提交号，避免读者半年后运行主分支得到新模型。论文中的软件版本和附录命令应与被评估的检查点兼容；可在干净环境里按说明加载一次，生成一小批预测并核对预期输出。

结果复核不要只比较平均指标。取几个事先选定的样本，核对检查点输出的原始分数、阈值后类别和图中示例；如果分数不同，可能是权重错、输入预处理错或推断模式不一致。验证脚本应明确关闭训练专用随机行为，并记录批量大小等可能改变数值或速度的条件。若原论文表格由中间缓存算出，说明缓存的生成版本，而不是只附一份最新权重。

交稿前由未参与训练的合作者从正文表格任选一行，沿结果映射表找到唯一检查点并重跑指标。若找不到文件或跑出不同数字，先修版本链再提交。读者希望复现的是论文实际评价过的模型，而不是名字相同、参数相近的另一个模型。