平时工作跟数据打交道多，最近业余在啃 LoRA 训练，越学越觉得门道全在细节。记几条目前的体会：
- 素材质量比数量重要太多。 一堆糊图硬凑数量，还不如几十张干净、风格统一的图，糊图喂进去只会拖后腿。
- 打标是个技术活。 标得太细太粗都会影响效果，得跟你想固定下来的那个特征对得上——说白了，标签怎么写，决定了模型把哪部分当成要学的东西。
- 参数还在摸。 学习率、步数，还有一堆设置，一动结果就变，只能反复试。别指望一套参数通吃，不同题材真得分开调。
想请教认真练过的朋友：判断一个模型是练过了还是欠练，你们主要看什么？打标是手动还是自动为主？