AI教程

用 Torchvision ResNet50 和权重自带预处理输出图片 Top-5，核对类别映射、候选分数与业务边界。

用 CVAT Track 建立视频目标轨迹，修正关键帧、处理 Outside，并检查插值和导出 ID。

先不改模型权重：定义任务、给工具写输入输出契约、建立含反例的评估集；只有稳定的失败模式才进入下一轮改提示词或训练方案。

在同一个云平台时，仍要逐个核对模型 ID、地区、配额、价格页和 API 兼容方式；供应商页面变化后应重新验证。

先从一项低风险、可人工复核的任务开始：一个模型生成候选，另一个按明确规则挑错；输出不能直接触发付款、删除或发送。

分别用可验证的推理题、可运行的小代码和带标准答案的图文任务测试；不要把单次回答或排行榜截图当作长期结论。

指定准确版本、使用同样输入、关闭不必要工具，记录输出和失败情形；旧版本可能已调整可用性，先以官方模型列表为准。

先制定哪类请求交给哪个模型、失败时是否回退、谁负责最终回答；每条记录保存输入版本、模型 ID、输出和人工复核结论。

按 sample_id 将特征表与标签表一对一连接，实际检查两侧重复编号、缺失编号和未匹配记录，保存审计表后才生成训练输入。

预测前按明确字段规则校验表格，分别拦截缺列、非法数值、无穷大和越界值，保留拒绝行，并仅用训练统计填补允许缺失的特征。