这个坑值得记一笔。回归集里正类标 1、负类标 0，新换的标注工具导出时整体加一，变成 2 和 1，评测脚本按 0 和 1 判正负，算出来准确率 0.48，人工抽查明明九成是对的。
刚开始盯着「混入了字符串标签，比较时恒为 False」，折腾了半个多小时，排掉了。
真正麻烦的地方在于，几个原因的现象几乎一样。不同工具导出的标签基准不一样，没有做归一；脚本用 if label 判真值，2 也被当成正类；评测集合并时字段被覆盖，原始标签丢了。
上来先统计标签取值分布
python -c "import pandas as pd;print(pd.read_csv('eval.csv').label.value_counts())"随后统一映射到 0 和 1 后再算指标
python norm_labels.py --map '1:0,2:1' --in eval.csv --out eval_fix.csv再往下用混淆矩阵核对每类数量
python -c "from sklearn.metrics import confusion_matrix;print(confusion_matrix([0,1,1],[0,1,0]))"末了把标签校验加进回归前置检查
pytest tests/test_eval_data.py -q改完先别撤，确认这几项。同一批样本的准确率回到 0.9 以上，混淆矩阵两类数量与标注统计一致。
容易忽略的是，指标突然对折时先看标签分布，这类问题比模型退化常见得多。改动前把原配置备份一份，出问题能马上回滚，这比任何技巧都实用。