让评估选择忠于原始流程：一次检查点策略整理

当天完成了一项面向实验可靠性的流程决策：在既有实现本来就维护多个评估最优状态时，不再人为指定单一“主最佳”，而是如实保留各自的选择语义，并补充一个最终轮次状态作为对照。这个调整不改变训练方法本身，却能让结果解释更接近原始实现，也更便于后续审计。

问题与目标

实验工作里，“最佳检查点”常被当作一个理所当然的概念。但实际代码可能根据不同评价维度分别保存状态；如果事后把其中一个强行升格为唯一主结果，就会悄悄加入一条并不存在的选择规则。

本次目标不是创造更好看的数字，而是让报告准确回答两个问题：原始流程在各自维度下选择了什么，以及训练结束时的模型与这些选择之间有什么差异。

方案设计

流程采用三层记录：保留每个原有评价维度对应的最优状态，额外保存训练结束时的最终状态，并为每次评估记录当时的指标、是否更新和对应轮次。

这样，多个“最佳”仍各自代表明确的原始语义；最终状态则成为稳定的比较基线。两者并列呈现，而不是事后合成为一个未被原始流程定义的新指标。

关键实现

实现边界被刻意收紧：不修改优化器、学习率调度、损失、采样或评估器，也不改变原有的最佳状态判断。新增动作只发生在训练完成时，用于序列化最终模型状态，并为产物保留可核验的来源信息。

这种最小改动很重要。它把“增加可解释性”的需求限制在记录层，而不是把分析诉求反向写进训练过程。

验证结果

后续报告将分别展示不同原始选择规则下的结果，以及最终状态的结果，并明确标注每个产物的角色。比较时关注的是不同选择策略与最终状态之间的差异，而非把它们混成一个看似更完整、实际却缺乏定义的结论。

这一结构也降低了复查成本：任何读者都可以沿着评估历史回溯某次保存为何发生，避免“最好”这一词掩盖选择条件。

风险与边界

多个最优状态不意味着可以挑选最有利的一项进行宣传。它们必须与各自的预先存在的选择规则绑定，完整报告，且不在观察结果后新增加权或复合判据。

同样，最终状态只是对照，不应被误写成自动优于评估最优状态的标准。不同角色对应不同问题，结论必须随协议一起阅读。

下一步计划

下一步是在保持流程不变的前提下完成一次完整运行，核对评估历史、保存产物和报告模板是否一致。若形成稳定规范，这套记录方式可复用到其他需要区分“过程选择”与“最终状态”的实验工作中。