（五）两个模型融合定稿

上一篇的配方里，H8 单独没达到采用标准，没有替换 single。H8 是另一套配方单独训练的检测头，和 single 用相同的随机初始化和同一份冻结特征；quality 则是从 single 续训得到的检测头。quality 在平台上跑完整套验证，总分 47.85，比 single 高 0.07，低于事先自定的 0.10 增量要求。按原计划应当退回 single；我们重新评估了 quality 的成绩和交付风险：它已经部署并跑完整套验证，安全分的显示值不变，也没有发现新增的交付风险，于是继续用 quality。0.07 分确实没达到原要求，这是看到结果后做的工程取舍，不是统计显著性结论。

9 月 28 日，我们先用现有权重和推理流程找提升。做法是把 single 和 quality 的参数各取一半，得到 SQ50。SQ50 在 1,396 例开发集上的 mAP17 为 0.164344，低于两个原模型。参数平均到此结束，转去研究输出融合。

同一天，离截止约 64 小时，我们比较两组模型的输出是否互补。我们在评估前固定了两种等权组合：single 与 quality 组成的 E-SQ，quality 与 H8 组成的 E-QH。两个模型在同一个 anchor 上的 17 类 sigmoid 概率和 4 个框回归量分别按 0.5、0.5 平均，平均放在 NMS 之前，再统一解码。融合直接用已有权重，比例固定；quality 和 H8 两个头共用一次骨干前向。事先定的规则是，开发集 mAP17 高于 quality 的组合里，最高的一个进入下游检查。结果 E-SQ 为 0.165575，低于 quality；E-QH 为 0.172174，比 quality 的 0.168484 高 0.003690。单独没被采用的 H8，和 quality 一起用提高了 AP。只有 E-QH 进入下游检查。

检测框变了，T4 用来量化的区域和 T5 的定位也跟着变，不能沿用旧框算出的属性。9 月 28 日，我们用 E-QH 的新框重新验证 T4 和 T5，再做独立发布包、2 例 HTTP 联调、空环境启动和健康检查。内部 GT 总匹配数从 2300 增加到 2342；部分量化属性缺失，全样本的量化指标仍无法计算。内部结果支持继续发布。服务交接完成后，quality 保留为回退版本，随后发起一次完整平台验证，此时还没有新分数。

9 月 28 日平台验证结果出来，E-QH 平台总分为 48.01，比 quality 高 0.16；其中 T3 加 0.28，T4 减 0.16，T5 加 0.05，安全项 19.80 不变。我们把已部署的 E-QH 作为默认最终候选，接受总分提高、T4 下降这一实际结果。

9 月 28 日至 29 日，我们复查 T4 下降是否和检测框变化有关，以及框回归只用 quality 会不会更好。先在 1,396 例已有缓存上做配对统计，再测试 Qbox，即类别概率由 quality 和 H8 各取一半，框回归只用 quality。统计显示，quality 和 E-QH 共同检出 2164 个 GT，E-QH 新增 178 个、丢失 136 个，两者都漏检 1057 个，内部没有复现系统性的 T4 退步；Qbox 的 mAP17 为 0.165310，比 E-QH 低 0.006864。没有找到明确的实现缺陷；内部统计和平台用的样本、指标也不同。T4 下降的原因没有查清。E-QH 继续使用，Qbox 不做下游和平台验证。

现有候选没有能到 60 分的证据。若其他分项不变，总分到 60 需要 T3 的贡献从 4.95 提高到 16.94，这是平台贡献分，不是原始 mAP 的倍数。9 月 29 日，A8 用同一 RAD41 权重来源再做了一次完整训练，当天启动、当天训完。A8 从 quality 的检测头开始，训练 12 个编码块和末端 LayerNorm，patch embedding 保持冻结；对照组只续训检测头；两组都固定训 8 轮，在 11,242 例上训了约 20 小时，训练期间 E-QH 继续服务。结果对照组 mAP17 为 0.156718，A8 为 0.161579，比对照高 0.004861，比 E-QH 低 0.010595。两组都低于训练前的 quality，退步原因没有确定。A8 单模型实验就此结束，不进入下游、发布和平台验证。

9 月 30 日，参照 H8 的情况，我们检查整体 AP 更低的 A8 还有没有融合价值。事先固定 quality、H8、A8 各占 1/3 的方案，先用已有的匹配结果分析互补性，满足预设条件后再融合。统计显示，A8 和 E-QH 共同检出 2103 个 GT，E-QH 独有 239 个，A8 独有 153 个，共同漏检 1040 个；A8 独有的 153 个里，147 个置信度低于 0.25。按 GT 取两个模型检出的并集只是分析结果，不是可部署的算法，也不是 AP 的上界；而且 A8 改过编码块，融合时要单独跑它自己的骨干。在 1,396 例上完整评价三路组合，解码沿用原版，没有搜索其他比例，测得 mAP17 为 0.171618，比 E-QH 低 0.000556，A8 的独有检出没有变成整体 AP 的收益。三路融合结束，E-QH 继续作为最终版本，不再做 T4、T5 验证和重训，60 分的目标没有达到。

9 月 30 日，E-QH 在平台上做了最后一次验证，总分仍是 48.01，安全项 19.80，T3、T4、T5 分别是 4.95、15.60、7.66，和 9 月 28 日相同；48.01 是平台的模型验证分，不代表正式成绩。这一阶段的做法有两条。融合的组合和比例在评估前定好，不搜索比例；开发集 mAP17 比 quality 高才进入下游检查，没有胜者就关闭，不另加候选；这样做的边界是，1,396 例开发集被多次用过，上面的结果不能作为独立的泛化证明。检测框一变，T4、T5 按新框重新验证，不沿用旧框算出的属性。

平台模型验证总分

分项：quality → E-QH

T1 + T2 安全

19.80 → 19.80

T3 征象检测

4.67 → 4.95 · +0.28

T4 属性量化

15.76 → 15.60 · −0.16

T5 解释定位

7.61 → 7.66 · +0.05

内部匹配数：quality → E-QH

肿块

111 → 114

积液

165 → 177

合计

2,300 → 2,342

开发集 mAP17（1,396 例）

single

0.165304

SQ50

0.164344 · 未采用

E-SQ

0.165575 · 未采用

H8

0.167247

quality

0.168484

E-QH

0.172174 · 采用

Qbox

0.165310 · 未采用

A8

0.161579 · 训练约 20 h · 未采用

Q/H/A8

0.171618 · 未采用

结论

E-QH 平台验证 48.01，比 quality 高 0.16（T3 +0.28，T5 +0.05，T4 −0.16）。9 月 30 日复验仍是 48.01，E-QH 定为最终版本。

参数

0.5 quality + 0.5 H8 · 17 类 sigmoid 概率与 4 个框回归量在 NMS 前平均 · NMS 0.5 · 最多 100 框

没做完

48.01 是平台模型验证分，不代表正式成绩；1,396 例开发集被反复用来选方案，不是独立测试集；平台上的 T4 下降在内部没有复现，原因没有查清；融合比例事先固定，没有搜索。

2026-09-27

quality 平台验证 47.85（+0.07），继续使用

2026-09-28

SQ50 参数平均 0.164344，放弃

2026-09-28

E-QH 开发集 0.172174，平台验证 48.01

2026-09-29

Qbox 0.165310，放弃；启动 A8 全层适配

2026-09-29

A8 训完 8 轮，0.161579，低于 E-QH

2026-09-30

三路融合 0.171618，与 A8 一起放弃

2026-09-30

复验 48.01，定稿