中二青年付杰的逆袭故事：从二本生到 ICLR 杰出论文奖，我用了20年 | 雷峰网

ref
在一些機器學習的文章中，研究者會根據訓練初始階段Training Curve（訓練曲線）的模式來判斷一個模型是否值得繼續投入資源訓練。

通常來說，一個機器學習模型在開始階段的損失下降明顯、精度上昇明顯，最後的結果也往往是優異的；而如果初始階段的訓練損失下降地很緩慢，那麼後期結果大概率也不會好轉。

當然，也有極少數的例外：一個模型在初始階段訓練不好，但在後期損失會上升，模型的精度也會不斷上升。但出於節約資源的考慮，研究者往往會選擇在初始階段就把表現不好的模型「殺死」，然後重新開始。

同樣的「大局思維」遷移到社會整體，體現便是：如果存在「上帝之眼」，TA 俯瞰整個社會系統中有潛力推動人工智能發展的種子選手，在可分配資源有限的情況下，類似付傑這樣的二本生，在高考結束的那一瞬間，就已經被系統提前淘汰了。