最直观且有效的手段是“数据增强”，通过对原始图像进行旋转、裁剪、缩放，或对文本进行回译、同义词替换，人为地制造出更多样化的样本，迫使模型学习更具鲁棒性的特征而非死记硬背。此外，早停法是一种极具性价比的策略，通过监控验证集的损失函数，一旦发现性能不再提升立即停止训练，从而将模型锁定在泛化能力最强的时刻。首先，解决欠拟合的核心在于提升模型的“容量”与特征的表达能力。同时，优化器的选择也影响深远，Ada