消融实验核心思想：逐步去掉模型中的某个模块 / 机制 / 损失，对比性能变化，证明该组件的有效性。
核心对比原则
单一变量原则：每次只改动一处，其余所有条件（数据集、训练轮数、优化器、随机种子、预处理、推理策略）完全保持一致。
- 只删 / 替换一个模块，看指标升降
- 不能同时改多个组件，否则无法定位是谁带来的效果变化
Baseline（基准模型）：完整模型，消融所有变体都要和它对比。
增量式消融（渐进累加消融）
增量式消融（累加 / 渐进式消融，Progressive / Incremental Ablation）
方法 ：从最简基础 Baseline 主干开始，逐步增加创新模块，观察性能逐步上涨，量化每个模块带来的增量收益，看模块之间协同效应。
例如：
| Model | mIoU | Params |
|---|---|---|
| Base | 76.3 | 9.2M |
| Base + A | 78.4 | 10.1M |
| Base + A + B | 80.2 | 11.5M |
| Base + A + B + C | 82.1 | 12.3M |
格式可以像这样子：引用论文：Mask R-CNN (ICCV 2017) 1703.06870 Mask R-CNN
减法消融（w/o，模块移除消融）
方法 ：以完整模型为基准，逐个移除单个模块，其余设置不变，观察指标下降，证明该模块是模型性能必需组件（leave-one-out 留一移除）。
例如：
| Model | mIoU(%) | Acc(%) | Params(M) |
|---|---|---|---|
| Baseline | 78.32 | 91.25 | 8.82 |
| w/o Module A | 75.16 | 89.63 | 7.65 |
| w/o Module B | 76.04 | 90.12 | 8.14 |
| w/o Module C | 74.88 | 89.27 | 8.79 |
| Full Model(Ours) | 81.57 | 92.86 | 9.03 |
格式可以像这样子：引用论文：GroupRAG: Cognitively Inspired Group-Aware Retrieval and Reasoning via Knowledge-Driven Problem Structuring (arXiv 2026) 2603.26807 GroupRAG: Cognitively Inspired Group-Aware Retrieval and Reasoning via Knowledge-Driven Problem Structuring
组件替换消融
方法 ：不删除模块；把本文提出的创新模块替换成已有经典模块 ，固定其他结构。证明：不是 "加了模块就涨点"，而是本文设计优于传统方案。
例如：
| Variant | mIoU(%) | Acc(%) | Params(M) |
|---|---|---|---|
| Baseline | 78.32 | 91.25 | 8.82 |
| Replace A with SE | 79.05 | 91.63 | 8.91 |
| Replace A with CBAM | 79.64 | 91.92 | 8.96 |
| Replace A with ASPP | 79.21 | 91.77 | 9.24 |
| Ours Module A | 81.57 | 92.86 | 9.03 |
PoolFormer: MetaFormer is Actually What You Need for Vision
🔗 2111.11418 MetaFormer Is Actually What You Need for Vision
