实验图表审计图画得漂亮不代表结论可靠一、图表是证据不是装饰技术报告里的图表很容易变成装饰。曲线平滑、颜色清晰、柱状图漂亮看起来就很有说服力。但图表的价值不是好看而是准确表达数据。坐标轴截断、样本量不足、误差线缺失、不同条件混画都会让读者误解结论。实验图表应该接受审计。每一张图都要回答数据从哪里来处理过程是什么是否展示了不确定性是否支持文中的结论。二、图表审计从数据链路开始flowchart TD A[原始日志] -- B[清洗脚本] B -- C[聚合数据] C -- D[绘图脚本] D -- E[报告图表] E -- F[结论引用]如果图表无法追溯到原始日志和脚本它就更像截图而不是可验证证据。三、绘图脚本要版本化import pandas as pd import matplotlib.pyplot as plt df pd.read_csv(metrics.csv) ax df.groupby(model)[score].mean().plot(kindbar) ax.set_ylabel(Accuracy) plt.tight_layout() plt.savefig(score.png)真实项目中绘图脚本、输入数据版本和生成时间都要保存。手工拖 Excel 画图很难复查。四、误差线和样本量不能省如果图里只给均值不给标准差、置信区间或样本量读者无法判断差异是否可靠。两个柱子相差一点看起来明显实际可能完全不显著。坐标轴也要诚实。截断 y 轴会放大差异双 y 轴容易制造错觉。不是不能用而是必须明确标注并说明为什么这样展示。图表标题要对应结论。标题写“模型 A 显著优于模型 B”图里就要有支持显著性的统计信息。否则标题是在替数据下结论。最后报告里最好保留图表审计清单。数据来源、过滤条件、聚合方式、样本量、误差表示和脚本路径都写清楚。图表越关键审计信息越不能省。图表还要避免选择性展示。只展示效果最好的数据点不展示失败任务或异常样本会让结论偏乐观。如果确实剔除了异常值必须写明剔除规则和数量不能手工删掉“不好看”的点。颜色和图例也会影响理解。多个模型对比时颜色映射要一致训练曲线和平滑曲线要区分不同实验条件不能用相同样式。视觉规范不是美术问题而是避免读者误读。对于时间序列曲线要标注横轴含义。epoch、optimizer step、wall-clock time、processed tokens 表达的是不同维度。两个模型如果每个 step 处理 token 数不同按 step 对齐可能并不公平。最后图表结论要能反向追溯。文中每一句“显著提升”“稳定下降”“收敛更快”都应该能指向具体图、具体指标和具体统计方法。否则图表只是增强语气的装饰。图表审计还要检查单位。延迟是毫秒还是秒吞吐是 samples/s 还是 tokens/s显存是 MiB 还是 MB这些细节如果混用会直接改变读者判断。单位必须出现在坐标轴或图注里。对于多次运行结果不建议只画最优曲线。可以画均值曲线和阴影区间或者展示多条 run 的轨迹。模型训练本身有随机性只展示最好一次会让稳定性被高估。还要保存生成图表的数据文件。图片本身不可计算后续无法重新聚合或改样式。metrics.csv、绘图脚本和输出图片应该一起归档形成完整证据链。最后图表审计可以作为报告发布前的固定步骤。只要是支撑核心结论的图就检查数据来源、样本量、误差线、坐标轴、单位和脚本路径。这个流程不复杂但能挡住很多不严谨结论。五、总结实验图表是技术结论的证据链不是视觉装饰。数据来源、绘图脚本、样本量、误差线和坐标轴设置都要可审计。图画得漂亮不难难的是让图表真正支撑结论。