降低损失就是让模型犯错的代价变小。就像考试扣分少就是得分高，调参数、改模型、数据增广这三招最管用。调参就像调琴弦，让模型更听懂数据；改模型就像换跑鞋，跑得更快更稳；数据增广就像多做题，见过的题越多考试越不慌。

为什么这三招最管用？调参能直接改模型心性，比如调参让损失从1.5降到1.2，相当于错误率降了20%。改模型像换发动机，用Transformer代替传统模型，准确率从70%冲到90%，数据增广更是实打实涨分，给图片加模糊、旋转、裁剪，训练后损失从3.8降到2.1，相当于少扣了50%分。这三招像接力赛，调参打基础，改模型添助力，数据增广补短板。有人试过只调参，效果只到1.3；有人只改模型，但没数据支撑，反而过拟合；只有三者结合，才能像搭积木一样把损失压到1.0以下。比如某团队用了这仨招，训练了10天把损失从5.6降到1.8，相当于错误率砍了六成八。