回答模板

"准确率低主要从数据、模型、训练三个方面排查。我会先检查数据质量，看是否有脏数据、标签错误或数据泄露；其次调整模型结构或超参数，比如学习率、正则化；最后如果出现过拟合，就用 Early Stopping 或增加数据来缓解。"

简短版（30 秒）

准确率低，我会按以下顺序排查：

第一，数据层面：
  - 检查数据是否干净、标签是否正确
  - 看数据量够不够，数据分布是否均衡

第二，模型层面：
  - 学习率是否合适（一般从 1e-3 开始试）
  - 模型容量是否匹配任务难度

第三，训练层面：
  - 训练 loss 是否在下降
  - 是欠拟合还是过拟合

核心思路：先定位问题在哪里，再针对性解决。
大部分情况是数据问题，而不是模型问题。

进阶版（加分项）

除了基本方法，我还会关注：

1. 梯度检查 - 看 loss 是否正常下降，有没有梯度消失或爆炸

2. 学习率调度 - 用 ReduceLROnPlateau 或 Cosine Annealing

3. 集成学习 - 多个模型投票提升准确率

4. 数据增强 - 如果数据少，可以通过增强扩充

5. 预训练模型 - 用预训练权重迁移学习，效果通常更好

总结：先诊断后优化，先数据后模型。

一句话总结

"先看数据准不准，再看模型对不对，最后调参看效果。"