同一个网络、同一批数据，只把 3 条标签打错（38%），准确率从 1.000 掉到 0.625， 而损失反而更低（0.0009 对 0.0008）。模型没有「觉得不对」的能力——这就是训练师存在的理由。
上一节算行业收益，这一节回到人：收益要靠人把数据弄对，而「弄对」这件事没有自动化方案。
一、改的是数据，不是代码
Demo 用一个两层小网络（输入 56 维词袋、隐层 8 个、输出 1 个）做情感二分类，8 条样本，训练 400 轮。 三行对照：随机初始化、干净标注、三条标签打错。 干净标注那一行准确率 1.000——但只有 8 条样本，这是「背下来了」，不是泛化能力。 这一节只看一件事：标注错了会怎样。 答案：准确率掉到 0.625，而且末轮损失更低（0.0009 对 0.0008）。 模型不但学错了，还学得更「自信」。 这就是关键：模型没有「这条标签可能标错了」的怀疑。你给它什么，它就拟合成什么。 所谓「赋予人工智能人性之魂」，落到工程上就是这两句——谁来判断这批标签对不对、 谁来定「错到什么程度算错」。
二、训练师到底动什么
他不动模型结构（那是算法工程师的事），也不动业务规则（那是业务方的事）。 他动的是三样：数据、指标、验收标准。 数据：这条样本算不算正例、这个类别边界在哪、这一批要不要重标。 指标：用准确率还是 F1、阈值定在哪、哪一类错误更不能忍。 验收标准：这版模型能不能发、发之前要看哪几个数、退化多少算不可接受。 三样都不是技术活，但三样都会直接反映到模型上——而且都不可逆：数据标错了，训练跑完才发现， 返工成本是按周算的。
三、为什么这个岗位现在才出现
因为以前模型小、数据少、迭代快，标错了重训一次也就几分钟。 现在一次训练几天到几周，标错的代价被放大了几个数量级。 同时模型能力上来了，瓶颈从「模型不够强」转成「数据不够好」。 于是专门有人负责把数据这一端做对——岗位就这么分出来了。 下一章会把这个岗位要的能力一条条拆开：计算机操作、数学、编程、特征工程、数据处理、AI 基础。
四、动手 Demo：三条标签打错，准确率掉三成八
8 条情感短句，切成字做词袋，喂给一个 56-8-1 的两层网络，训练 400 轮。 跑三次：不训练、干净标注训练、把 3 条标签打反再训练。对比准确率和末轮损失。
h = np.tanh(X @ W1 + b1)
p = H.sigmoid(h @ W2 + b2).ravel()
d2 = (p - y) / len(y)
gW2 = h.T @ d2[:, None]
d1 = (d2[:, None] @ W2.T) * (1 - h ** 2)
W1 -= lr * (X.T @ d1)
for i in (0, 3, 6): # 三条标签打反
y_bad[i] = 1 - y_bad[i]
实跑输出：
--------------------------------------------------------------------
训练师在做什么：同一张网络，喂不同的数据
--------------------------------------------------------------------
情形 训练集准确率 末轮损失
--------------------------------------------
随机初始化，没训练 0.750 0.6818
干净标注训练 400 轮 1.000 0.0008
三条标签打错再训练 0.625 0.0009
标签打错比例 3 / 8 = 38%
准确率掉下去 1.000 → 0.625（38 个百分点）
损失反而更低吗 是（0.0009 对 0.0008）
样本只有 8 条、特征 56 维，所以「干净标注」那一行 1.000 是背下来的，
不是泛化能力；这一节只看一件事——标注错了模型会怎样。
答案在第三行：它会认真把错误学下去，连损失都更低。
所谓「人性之魂」，落到工程上只有两句：谁来判断这批标签对不对、
谁来定「错到什么程度算错」。这两件事只能由人做。
损失曲线（干净标注，前 20 轮）：
***
**
**
*
*
*
**
***
*****
^ 高 0.6818 低 0.0577
三行结果：不训练 0.750、干净标注 1.000、打错标签 0.625。 标签错了 3/8，准确率掉了 38 个百分点。 末轮损失那一列值得细看：打错标签的模型损失 0.0009， 比干净标注的 0.0008 只高一点点——它把错误答案学得很到位。 所以「损失下降」不等于「模型变好」。损失只说明它拟合训练集拟合得怎么样，不说明拟合的是对的东西。 这是新手最容易被骗的一处。 样本只有 8 条，1.000 这个数没有泛化含义。 这一节的结论不依赖准确率的绝对值，只依赖「打错标签会让结果变差、而损失看不出来」这个对比。
30 秒实验
- 把打错标签的条数改成 1 条、5 条，看准确率怎么变。
- 把训练轮数从 400 改成 50，看「打错标签」那一行还学不学得会错误答案。
- 想一想：如果你只能看一个数判断模型好坏，你会看损失还是看验证集准确率？
常见误区
- 「损失降了就是模型变好了」——本例里打错标签的模型损失也很低。
- 「标注是体力活，随便找人都能干」——标错了模型会认真学下去。
- 「训练集准确率 100% 说明模型很强」——8 条样本背下来也能 100%。
自测三问（点开对答案）
1. 打错 38% 的标签，会带来什么后果？ —— 准确率明显下降，而损失反而可能更低——模型把错误学得很自信。 2. 训练师动的三样东西是什么？ —— 数据（标什么）、指标（看什么数）、验收标准（能不能发）。 3. 为什么这个岗位现在才出现？ —— 训练一次要几天到几周，标错的代价被放大，瓶颈从模型转到数据。这一章讲「是什么」。下一章讲「要会什么」——从计算机操作开始。
- ☐ （本节完，下一节 1.2.1 AI训练师的起源：技术发展的必然产物）