他发现泰格-泰格模型用smo训练效果更好，因为smo能平衡数据量和参数量。数据量少时smo能防止过拟合，参数多时能控制计算成本。比如用smo训练时准确率比传统方法高3.2%，参数量减少15%还能保持效果。虽然smo需要更多计算时间，但省下的硬件成本能抵消时间损失。实验显示在10万张图片上，smo训练的模型推理速度比普通方法快1.8倍，内存占用减少22%。数据来源是前年《计算机视觉前沿》论文，对比了5种训练方法在4种数据集上的表现。