实验图表审计：图画得漂亮，不代表结论可靠

实验图表审计：图画得漂亮，不代表结论可靠

一、图表是证据，不是装饰

技术报告里的图表很容易变成装饰。曲线平滑、颜色清晰、柱状图漂亮，看起来就很有说服力。但图表的价值不是好看，而是准确表达数据。坐标轴截断、样本量不足、误差线缺失、不同条件混画，都会让读者误解结论。

实验图表应该接受审计。每一张图都要回答：数据从哪里来，处理过程是什么，是否展示了不确定性，是否支持文中的结论。

二、图表审计从数据链路开始

flowchart TD A[原始日志] --> B[清洗脚本] B --> C[聚合数据] C --> D[绘图脚本] D --> E[报告图表] E --> F[结论引用]

如果图表无法追溯到原始日志和脚本，它就更像截图，而不是可验证证据。

三、绘图脚本要版本化

import pandas as pd import matplotlib.pyplot as plt df = pd.read_csv("metrics.csv") ax = df.groupby("model")["score"].mean().plot(kind="bar") ax.set_ylabel("Accuracy") plt.tight_layout() plt.savefig("score.png")

真实项目中，绘图脚本、输入数据版本和生成时间都要保存。手工拖 Excel 画图很难复查。

四、误差线和样本量不能省

如果图里只给均值，不给标准差、置信区间或样本量，读者无法判断差异是否可靠。两个柱子相差一点，看起来明显，实际可能完全不显著。

坐标轴也要诚实。截断 y 轴会放大差异，双 y 轴容易制造错觉。不是不能用，而是必须明确标注，并说明为什么这样展示。

图表标题要对应结论。标题写“模型 A 显著优于模型 B”，图里就要有支持显著性的统计信息。否则标题是在替数据下结论。

最后，报告里最好保留图表审计清单。数据来源、过滤条件、聚合方式、样本量、误差表示和脚本路径都写清楚。图表越关键，审计信息越不能省。

图表还要避免选择性展示。只展示效果最好的数据点，不展示失败任务或异常样本，会让结论偏乐观。如果确实剔除了异常值，必须写明剔除规则和数量，不能手工删掉“不好看”的点。

颜色和图例也会影响理解。多个模型对比时，颜色映射要一致；训练曲线和平滑曲线要区分；不同实验条件不能用相同样式。视觉规范不是美术问题，而是避免读者误读。

对于时间序列曲线，要标注横轴含义。epoch、optimizer step、wall-clock time、processed tokens 表达的是不同维度。两个模型如果每个 step 处理 token 数不同，按 step 对齐可能并不公平。

最后，图表结论要能反向追溯。文中每一句“显著提升”“稳定下降”“收敛更快”，都应该能指向具体图、具体指标和具体统计方法。否则图表只是增强语气的装饰。

图表审计还要检查单位。延迟是毫秒还是秒，吞吐是 samples/s 还是 tokens/s，显存是 MiB 还是 MB，这些细节如果混用，会直接改变读者判断。单位必须出现在坐标轴或图注里。

对于多次运行结果，不建议只画最优曲线。可以画均值曲线和阴影区间，或者展示多条 run 的轨迹。模型训练本身有随机性，只展示最好一次，会让稳定性被高估。

还要保存生成图表的数据文件。图片本身不可计算，后续无法重新聚合或改样式。metrics.csv、绘图脚本和输出图片应该一起归档，形成完整证据链。

最后，图表审计可以作为报告发布前的固定步骤。只要是支撑核心结论的图，就检查数据来源、样本量、误差线、坐标轴、单位和脚本路径。这个流程不复杂，但能挡住很多不严谨结论。

五、总结

实验图表是技术结论的证据链，不是视觉装饰。数据来源、绘图脚本、样本量、误差线和坐标轴设置都要可审计。图画得漂亮不难，难的是让图表真正支撑结论。