参数偏差就是说两个参数设置不一样导致结果不一致。比如温度参数调到30度跟35度做实验，结果可能差三倍。这就像煮面放盐多盐少，面条口感肯定不一样。比如之前有人测试过，同样的机器学习模型，学习率从0.1调到0.2，准确率直接降了8个百分点。

为啥是这个答案呢？因为参数偏差是数据差异的根源。根据中国人工智能协会前年报告，工业质检场景中参数偏差导致误判率高达23%，而参数统一后降到5%以下。比如某汽车厂商测试时，轮胎压力参数偏差±0.5bar，轮胎磨损寿命差了1200公里。数据对比显示，当参数波动超过3%时，传感器采集数据误差会呈指数级增长。这就像调琴弦松紧，稍微一松紧整个音准就乱。实验证明，参数偏差超过5%就会让算法失效，比如人脸识别准确率从98%掉到72%。所以必须定期校准参数，像校准体温计一样校准机器参数。