传媒资讯分类总出错？智能算法精准率达98.7%

　　去年九月，我蹲在机房三号柜右下角那台老Dell R730旁边，盯着屏幕里滚动的分类日志——第七次，传媒资讯又进了“体育”类目。李薇从茶水间端着杯子过来，站我身后两秒，说：“你这算法标得比我家猫踩键盘还随机。”

　　我原以为是训练集标签脏了，结果一查特征抽取管道，发现文本预处理层压根没读取到“媒体融合”“广电总局”这两个关键词字段——因为上个月插件更新时，版本号从v2.4.1升到v2.4.3，而配置文件里那行skip_fields: ["source", "publish_dept"]被自动缩进错了两格，yaml解析器直接跳过整段。谁改的？没人认领，git blame指向一个已离职的实习生。

　　我盯着那个缩进空格看了三分钟，手指悬在键盘上没动。冷气口滴下一滴水，正砸在键盘右Shift键上，滋地一声。服务器风扇突然提速，像被掐了脖子。我切到测试环境跑单条数据：输入“央视推出AI新闻生成平台”，输出分类是“教育”；再输一遍，变成“科技”；第三遍，它吐出“农业”。同一个模型、同一批权重、同一秒内——三次，三个答案。

文章配图，仅供参考

　　但你说它不准？我调出上周全量灰度数据，统计表头写着“传媒资讯样本9876条，正确分类9751条，准确率98.7%”。数字就在那儿，黑底白字，带时间戳和校验hash。我数过，小数点后三位没错。可第九百八十七条样本，“中国新闻出版广电报深度报道”被分进“法律”——因为标题里“报道”二字恰好命中训练时误标的一组刑法条文语料片段，而那个片段本身就被标注了两次：一次标“法律”，一次标“传媒”，标注员不同，日期相隔十八天。

　　（刚才看见保洁阿姨把清洁剂倒进饮水机滤芯槽，拧开就灌——她可能觉得反正滤芯三个月才换，反正水也流得下去。）

　　所以当PM甩来截图问“为啥首页弹窗里‘新华社评论’显示在娱乐频道？”我点开溯源链路，看到它最终卡在ES索引重建时某次bulk请求超时重试——重试的副本漏掉了category字段，fallback机制填了个默认值“other”。可这个“other”又在前端路由里被映射成“娱乐”。我跟运维对账，他指指监控图上那个23:17:08.321的尖峰，说：“你猜这时候是谁在批量删测试数据？”我没猜，我看见日志里写着：admin@qa-legacy 删除了3271条旧标签，包括所有带“传媒”tag的中间产物——那是我们上周为验证新算法特意保留的对照组。

　　我也不知道要不要回邮件解释。反正邮件发出去第八次，甲方都没回。昨天下午三点零七分，运营同事截了张图发群：一条“国家网信办约谈短视频平台”的通稿，页面右上角分类标签明晃晃印着“旅游”。她打字：“这算精准还是玄学？”没人接话。我关掉网页，发现Chrome标签页上还挂着五小时前打开的tensorboard，曲线早平了，但last_updated时间停在15:23:41，之后再没刷新过。

　　优胜劣汰——这话站得住，因为它根本不挑谁活下来。活下来的只是还没被下一个bug覆盖掉的那个状态。就像那个缩进空格，没被扫进CI检测，没撞上这次发布窗口，没触发ES那次bulk超时……它就还在那儿呼吸。有谁碰到过这个吗

（编辑：航空爱好网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!