在图像分类任务中采用十折交叉验证时,一种常见做法是:对每个fold独立训练,并在该fold的验证集上选取性能最优的epoch对应模型,再用其在测试集上评估;最后将十个fold的测试结果取平均作为最终性能指标。然而,这种策略存在潜在问题——它可能高估模型真实泛化能力,因过度依赖各fold内部的验证集最优选择,引入选择偏差。更严谨的做法是预先固定训练轮数(如通过独立验证集确定最佳epoch),或采用早停机制后统一使用相同训练终点,再进行跨fold平均。值得注意的是,部分高水平论文确有采用每fold取最优epoch的报告方式,这通常意在展示模型潜力上限,而非实际部署性能。因此,在学术写作中需明确说明评估策略,避免误导读者对模型稳定性和可复现性的判断。