实验记录模板：让每一次仿真都能被复现

仿真跑出结果以后，人很容易只保存一张图。但一周后再看，往往已经想不起这组曲线对应哪版代码、哪些参数，以及中间调整过什么。

实验记录的目的不是把终端日志复制一遍，而是让工作具备可复现性：换一台机器、换一个时间点，仍然能够解释结果是怎么来的。

一、实验基本信息

项目	内容
实验编号	EXP-YYYYMMDD-01
日期	YYYY-MM-DD
目的	验证什么假设，或比较哪两个方案
对应论文 / 想法	文献链接或研究问题编号
代码版本	Git commit hash
数据版本	数据集名称、版本或校验值

二、运行环境

• 操作系统与版本：
• 仿真软件 / 编程语言及版本：
• 关键依赖及版本：
• 硬件：CPU / GPU / 内存；
• 随机种子（如有随机过程）：

环境信息看似琐碎，但“在我电脑上能跑”不是可复现性。版本差异常常是结果不一致的第一来源。

三、变量与参数

先写清楚哪些是自变量、哪些是控制变量、哪些是要观测的指标。尤其要记录与默认值不同的参数，以及调整它们的原因。

参数	取值	说明
参数 A		为什么选这个范围
参数 B		是否为固定基准
采样步长		对精度和耗时的影响

有公式时，直接把定义写下来，避免不同脚本中的计算口径不一致。例如用均方根误差比较预测值与真实值：

四、执行步骤

写成一个可以照着重新执行的最小步骤列表：

1. 从哪个提交或压缩包开始；
2. 如何准备输入数据；
3. 运行哪个入口脚本；
4. 输出保存在哪里；
5. 后处理脚本是什么。

如果命令很长，至少记录入口文件和关键参数。不要只写“运行了主程序”。

五、结果与证据

除了最终指标，还要记录：

• 与基线相比的变化幅度；
• 重复运行时的波动；
• 出现了哪些异常点或不收敛情况；
• 哪张图、哪个文件是这次实验的有效证据。

重要： 原始结果不要只留在聊天记录或临时目录里。至少保留一份只读副本，并记录它对应的代码版本。

六、解释与下一步

结果本身不会告诉我们原因。需要区分：

• 观察到的现象：例如误差下降，但某类样本明显变差；
• 暂时接受的解释：为什么会出现这个现象；
• 尚未排除的替代解释：还有哪些可能；
• 下一步实验：为了区分这些解释，应该改哪个变量。

七、可直接使用的日志骨架

## 实验目的
## 对应代码版本
## 运行环境
## 输入与参数
## 执行步骤
## 结果（指标 / 图 / 文件路径）
## 异常与失败记录
## 我的解释
## 下一步

一份好的实验日志，应该让未来的自己不必重新猜测，也让合作者能够在同一基础上继续工作。