书本网

“有时候，”他说，“你们不是要把现实改造成一个同步系统，而是要学会在不同步里工作。”

这句话让江遥在灰色本子上停了很久。

她没有抄。

因为它太像一句适合被单独划线的话，她现在对这种句子已经本能地有点警惕。她只把上午那六条时间线继续补完整，在旁边写下两个问题：**什么时候必须等别人？什么时候不等也可以继续？**

---

原既白那边，几乎在同一周遇到了一个更加难看的版本。

自动测试系统经过前几轮改造以后，终于可以连续运行，不再因为磁盘写满或者单个任务卡死就整体停摆。宋弈于是做了一件他们之前一直没有胆子做的事：把两个不同版本的模型同时接进去，让测试器并行跑。

本意很简单。他们想比较同一批自动生成的测试，在模型A和模型B上分别会发现什么弱点。按原既白最初设计，每个任务生成一张测试图片以后，同时发给两个模型，两边都返回结果，再统一写入数据库。只要把模型版本记清楚，后面便能比较。

第一晚看起来一切正常。

第二天上午，结果开始出现无法解释的矛盾。

同一张图片在日志里有三次记录，两次显示模型A判断正确，一次却显示模型B输出；某些测试任务标记的是A版本，真正调用的模型进程却已经在半小时前被替换成新权重；还有一批图片生成时依据的是旧模型的弱点，等真正进入评测队列，模型已经更新，结果当然和搜索时完全对不上。

宋弈看着数据库里那些互相打架的记录，第一反应是：“是不是写错标签了？”

查了半天，标签本身没有写错。

真正的问题出在时间。

模型训练、测试生成、任务调度和结果写入四件事并不是按一条整齐的流水线一步一步发生。有些测试任务生成很快，有些慢；模型更新后，队列里仍然躺着按照旧版本生成的任务；某个进程重启以后拿到的是新模型，任务本身却还认为自己在测试旧模型。每一个小模块单独看都“做对了”，组合起来却产生了一批连他们自己都无法再解释的结果。

原既白第一次完整画出时间线时，沉默了好一会儿。

宋弈说：“要不每次模型一更新，就把旧队列全清掉。”

“可以。”

“那不就完了？”

“旧任务全浪费。”

“总比结果不能信好。”

原既白没有反驳。他一开始也倾向于这么做：模型版本变了，就停掉所有测试，清空队列，从头开始。这样最干净，最容易保证一致。可他们很快算了一下，如果以后模型更新频率更高，长时间任务不断被清空，系统大部分时间都在重复做已经做过的事。更何况有些旧任务本身仍有价值，因为比较同一测试在新旧模型上的变化，恰好能告诉他们模型升级以后哪些弱点消失、哪些弱点又出现。

真正需要做的，不是让整个系统每次都停下来等所有东西对齐，而是让每一条结果都能回答：它是在什么模型、什么数据、什么测试器版本和什么时间条件下产生的。

宋弈听完说：“所以不要求大家一起变，但必须知道自己跟谁生的？”

原既白抬头看他。

“你这个说法很难听。”

“能懂就行。”

确实能懂。

他们开始给每一个结果附上完整的“来历”：这张测试图由哪个测试器版本生成，生成时针对的是哪个模型，真正执行时用的又是哪一个模型，数据集版本是什么，任务何时进入队列、何时运行。原本一行结果只需要图片编号和预测值，现在后面多出一长串看起来很烦的元数据。

宋弈抱怨说他们是在给每一张图片办身份证。

原既白却越来越觉得这些“身份证”比想象中重要。一个数字本身几乎什么都不说明。模型准确率从九十二降到八十八，如果不知道测试集有没有变、模型版本有没有变、数据处理有没有变，这四个百分点根本不能直接比较。系统越复杂，“同一个结果”背后可能来自的路径越多，而路径一旦丢掉，很多事实就会变成看起来精确、实际上无法追溯的数字。

叶老师看完新版以后，问的第一件事是：“如果一个任务跨了两个模型版本怎么办？”

原既白已经有准备：“结果不覆盖，分开记。”

“如果测试生成基于A，执行时模型已经是B？”

“也记清楚。它不再是A的纯测试，但可以作为A生成、B执行的一类迁移测试。”

“谁解释？”

“报告层解释，不让底层数据自己假装是一回事。”

叶老师这次没有继续追。

第一卷少年游第八十八章异步