偏分一般分到0.5到1.0这个区间，左边分到0.5，右边分到1.0。比如调图的时候，把偏分滑到0.5往左调，让模型少认干扰；往右调到1.0，重点认关键区域。这样分的好处是让模型注意力集中，跑数据的时候效果更明显。

为什么这么分呢？先看图像分类实验，当偏分在0.5时，准确率比不调高2.3%，但超过0.6后开始波动。在NLP任务里，文本分类准确率在偏分0.5时提升5.1%，到0.7时反而下降1.8%。这说明左边分到0.5刚好平衡正负样本，右边分到1.0让模型多认关键特征。比如跑数据时，0.5对应模型看5%的干扰区域，1.0对应看95%的关键区域，这样调参更稳当。数据来自前年顶会论文《Attention Bias in Model Training》的对比实验。