L04 · 按模型评估：指标体系与诊断方法

许多教程习惯给出一张万能指标列表：FID、PSNR、奖励曲线……然后对所有模型一视同仁地打分。这种做法看似公平，实则掩盖了各架构的真实失效模式。

核心原则：指标必须与架构的失效模式对齐。

本讲分三个部分：

• 各模型专属指标：Dreamer（FID + 奖励相关性）、MuZero（价值准确度 + 访问熵）、TD-MPC（一致性损失）、STORM（Token 损失 + 长时域 PSNR）、扩散世界模型（物理一致性）
• 通用失效模式：潜在漂移（Horizon Drift）及缓解策略
• 真实部署评测：论文指标的局限，七个常见坑，三种务实落地策略

建议先完成 P03–P05 再读，有了自己跑过的数字，很多诊断规则会瞬间清楚。