PaperBridge 长尾问题
怎么复现一篇 AI 论文？
复现不是下载代码后按一次运行按钮。先定义你要复现哪一项：能否跑通、某个表格数字、一个消融趋势，还是完整训练结果。固定论文版本、代码提交、数据版本、环境、随机种子和评测脚本；先做小数据或小模型的最小结果，再扩到完整配置。
1. 先定义复现目标和容差
同一篇论文的复现目标差别很大。跑出一次预测、重现主表、验证相对趋势和重训全模型所需时间完全不同。
写清可接受范围，例如主指标在报告值附近、结论趋势一致，或指定示例能通过。没有容差，任何差异都可能变成无止境排错。
2. 锁定所有会漂移的版本
记录论文版本、代码 commit、依赖、驱动、硬件、数据来源和处理脚本。大模型工作还应记下 API 或模型版本、提示、检索索引和外部工具访问条件。
不要把所有配置藏在命令历史里。用一个可分享的配置文件和运行日志，让未来的你也能知道这次到底跑了什么。
3. 从最小可核对里程碑向上走
先验证数据能加载、一个 batch 的损失合理、评测脚本给出的数字一致。接着复现一个缩小实验或一条趋势，再尝试主表。
差异出现时，先分层定位：数据、预处理、模型、训练、评测还是随机性。一次改一个因素并保存对照，比重新跑全流程更快。
复现前必须写下的 6 项
- 目标结果和可接受容差
- 论文、代码、模型和数据版本
- 环境、硬件和随机种子
- 数据下载、处理和切分方式
- 训练与评测命令、配置和日志
- 由小到大的里程碑和排错顺序
原论文、研究与官方文档
以下来源用于核对事实；流程与比较建议是 PaperBridge 对研究、官方文档和工程实践的综合。