AI 训练踩坑：10% 标签错位让准确率从 96% 降至 89.3%

2026 年 11 月 10 日，博客园上有一位 AI 工程师发布文章，分享了自己的实验经历。他发现，在打乱数据的时候，由于 X/y 没有同步操作，造成了标签和图像错位。即便代码本身没有任何问题，训练 loss 也能够正常下降，但仅仅 10% 的错位，就让准确率从 96% 掉到了 89.3%。

作者把这种现象形容成模型在“背错答案”，意思是模型学到了错误数据中的图案和错误答案的关联。实验的结果也表明，训练 loss 没办法反映出数据对齐存在的问题。为了能够用较低成本排查这类问题，作者提出了“抽样可视化 + 哈希校验”这两道防线，用在训练之前。

这篇报道是关于这件事目前能找到的唯一一篇，之后有没有后续进展，材料里并没有提到。