_{🧠 记忆锚点：先排泄漏，再看跨切片曲线；多种子、多评审和盲测才能区分过拟合与噪声。}

💡 答案要点

按数据来源、时间、用户和任务去重后划分训练/验证/盲测集，避免同一模板或近重复样本跨集合。训练 loss 下降但盲测退化可能是过拟合；只有单一 Judge 波动可能是评测噪声；测试题或答案进入训练数据则是泄漏。

应同时检查训练/验证曲线、分层任务指标、通用能力回归、多个随机种子和人工抽检。早停、减小学习率、增加数据多样性或混入通用数据都必须通过盲测验证。

📚 参考：Hugging Face Transformers：Training 与过拟合诊断