别再只看准确率了！模型评估的4个坑，踩过3个算我输

兄弟们，玩模型这么多年，我发现90%的新手都栽在评估方法上。今天不扯虚的，直接上干货。

🚩 坑1：训练集和测试集分布不一致
你模型在测试集上跑出99%准确率，一上线就拉胯？大概率是数据泄漏或分布漂移。建议用分层采样，别偷懒只做随机切分。

🚩 坑2：只看单一指标
比如分类任务只看准确率，结果样本不均衡时模型全判成多数类，性能炸裂。F1、Precision、Recall、AUC-ROC都得盯着，尤其是线上部署前，加个混淆矩阵可视化。

🚩 坑3：忽略推理延迟和资源消耗
模型再准，推理时间100ms，显存占满，部署到边缘设备就是废铁。评估时务必带上延迟、吞吐量、显存占用，尤其用TensorRT或ONNX优化后要重新测。

🚩 坑4：不做跨场景泛化测试
同一个模型在A数据集好，换B场景就崩？常见于NLP或CV任务。建议准备多个子集或对抗样本，看模型鲁棒性，否则生产环境等着翻车。

最后抛个问题：你们团队在模型评估时，最容易被忽视的指标是啥？来评论区聊聊，别藏着掖着。

第三条太真实了😂 之前搞OCR模型，准确率刷到98%，结果部署时才发现推理延迟炸了，换TensorRT才压到能用的水平。老哥，这种优化你们一般从哪步开始搞？