seed 要记下来

一次有效 run：脚本、split、seed、checkpoint、日志目录。缺一个，数字不能出门。seed 最容易缺，因为它看起来像小事。小事不写，两天后模型还在，数对不上。对不上时我会怀疑代码。代码没变，变的是没记下的随机性。随机性不进日志目录，两天后我会怀疑实现。实现没动，动的是缺省 seed 和我随手设的值混在一起。混在一起的对照，差 0.01 也会被写成方法。方法要能再跑出来。再跑靠记下。

「感觉准了」不是记录

训练看到几个样本对了，我会说感觉准了。感觉准了可以停下来喝水，不能写进表。表要对应具体设置。具体设置包括 seed。没有 seed 的准，换一次启动就漂。漂了再调阈值，阈值会记住这次漂。记住漂的阈值，叫过拟合这次运气。

我协助整理对照实验和可复现记录。保证指标能对应到具体设置。对应的方式土：日志目录名里有日期、有 seed、有数据版本。目录里有配置副本。副本和「我记得当时是 42」不是同一级证据。记忆会把 42 和 43 混。

checkpoint 也要能指回。只存最后一份，中间改了划分，最后一份就变成无根。无根的权重仍能推理。推理出来的数仍能画图。图画出来仍能进草稿。草稿若流出，站点上就会出现指不回 run 的句子。

seed 写在哪

写在启动命令、写在配置、写在日志。三处至少两处一致。只写在命令行，历史记录一滚就没。只写在笔记，笔记会和真实启动不一致。我被不一致坑过：笔记写 42，脚本默认另一条路没设 seed。两条路我以为是同一条。

Python、数据加载、模型库，可能有不止一个随机源。记一个整数不等于全管住。我做不到每次都证明所有源都封死。能做到的是：记下我设了哪些，没设哪些写在 limitation。没设的不要假装设了。

有效 run 不在会话里散落的 print。print 在 Cursor 的终端里，会话一关，seed 一起关。日志目录先建，再开训练。这一条和后文那篇「日志目录」是同一契约的不同字段。

对照实验更要 seed

对照关键词、向量、图谱检索，差异若来自一次没记的随机，策略会跟噪声走。策略跟噪声走，产品就会今天改明天改。改的理由看起来是评测。评测没有 seed，理由是心情。

同一份划分、同一个 seed、改一个因素，表才有资格叫对照。改了三个因素还叫对照，是把一周的忙碌写成科学。忙碌可以写进笔记。科学要能换一台机器长出同一张表。长不出，就写长不出。

我参与的评测名字仍是简历里那些：TextGuard-Bench、MGAB、OOD、ChProv-Bench v5。对照的设置以协议为准。协议里若要求多次 seed，就多次，不要只跑一次最好的。最好的那次是挑选，不是报告。

出门前的核对

数字出门前我问：脚本路径、split 文件、seed、checkpoint、日志目录，五样能不能当场指。指不出，数字留在草稿。草稿可以很难看。难看比对外假好。

NeurIPS 2026、AAAI 2027 还是 Under Review。审稿人若问某张表，我要能回到 run。回到 run 靠的是这些字段，不是靠「我们很认真」。认真没有哈希。

限制

这篇不规定 seed 必须是 42。整数多少无所谓。无所谓的是值，有所谓的是记下。没记下的 run，我自己两周后也不认。不认的数，站点上不会出现。

对照实验里我吃过「两次都像 42」的亏。像，是记忆。记忆把缺省值和我随手设的值混在一起。混在一起的两次，表上差 0.01，我会以为方法动了。方法没动，随机源没封死。没封死要写进 limitation，不要写进「微小提升」。微小提升最像科学。科学要能再跑出来。再跑不出来，那 0.01 删掉。删掉比解释运气体面。

两周后自己要认

字段不齐的 run，两周后我自己也不认。不认的数，站点、简历、答辩页都不会出现。对照里吃过「两次都像 42」的亏：缺省值和随手设的值混在一起，表上差 0.01，以为方法动了。方法没动。没记下就当没跑。没跑不要写微小提升。 日志目录和 seed 要在开跑前建好。跑在会话里散落的 print，两周后找不到。找不到就当没跑。没跑的 0.01 不要进表。 开跑前把五样写成同一条记录：脚本路径、split、seed、checkpoint、日志目录。缺一样就不要开。开了也是噪音。