六個人裡有西個是單靈根，一個是雙靈根，還有一個是五靈根但某一屬性極端主導。他們的共同點是：靈根表達強度特別高或者特別低，屬於各自靈根型別裡的邊緣樣本。
演算法學習的是“大多數人的規律”。邊緣樣本不在大多數里，所以被學漏了。
“長尾分佈。”林衍自言自語。
他想起地球上做GWAS研究的時候也遇到過同樣的問題。全基因組關聯分析能找到影響某個性狀的主要基因位點——這些位點對大多數人有解釋力。但總有一小部分人，他們的表型跟模型預測的對不上，因為他們身上有一些罕見的變異，訓練集裡沒有覆蓋到。
功法適配也是一樣。八十六份樣本能覆蓋大部分常見情況，但罕見變異和邊緣個體，模型學不到。
他在螢幕上又跑了一組交叉驗證。把八十六份樣本分成五份，輪流做訓練集和驗證集，跑了五遍。五次的準確率分別是88.1%、90.2%、87.6%、91.3%、89.5%。均值89.3%，標準差1.4%。
方差很小，說明模型的穩定性不錯。不是碰運氣碰到一個好成績，而是換一組資料也能跑出差不多的結果。
“穩定性夠了，接下來拼的是樣本量。”
“所以不能只靠演算法。”他做了判斷，“演算法出結果之後，必須加一步人工複核。壓力預測超過安全線百分之八十的，人工檢查。”
他在演算法輸出流程里加了一個人工稽核節點。然後退出了意識空間。
院子裡，夕陽己經把竹林染成一片橘紅。他伸了個懶腰，骨頭咔咔響。
溫淺從院門口走進來，手裡拿著一疊資料冊。
“演算法跑完了？”她問。
“跑完了。”
溫淺把資料冊放下，拉開石凳坐下。“數字呢？”
“89.3%。”
溫淺把筆擱在桌上。她的手指在桌面敲了兩下，這是她思考時的習慣。
“也就是說，一百個人裡面，有十一個拿到的功法版本不完全合適。”
“其中六個是路徑偏差，問題不大，最多效率低一點。三個可能壓力超標——這個需要人工複核。剩下的兩個是限速引數不準，調一下就行。”
“那三個壓力超標的呢？”溫淺抬頭看他，“你複核了嗎？”
“加了人工稽核節點。壓力預測超過百分之八十安全線的，演算法不首接輸出，轉人工檢查。”
溫淺點了點頭。但她的表情沒有鬆下來。
“89.3%——剩下的10.7%，可能恰恰是最容易出修煉偏差的人。”
林衍沒接話。她知道自己在說什麼。
邊緣樣本最容易被演算法漏掉，而邊緣樣本往往是最脆弱的——靈根表達太低的人，靈氣迴路本來就弱，壓力稍微超標一點就可能出問題。靈根表達太高的人，靈氣執行速度快，衝擊力強，一旦路徑不對，造成的損傷也更大。
“所以需要繼續收集樣本。”溫淺說。
“對。樣本越多，準確率越高。但至少現階段——89.3%加上人工複核，可以先用。”
溫淺把那疊資料冊翻開，在裡面抽出一份。“研究小組現在有五十六個人練過改良版了。我把他們的資料都錄好了，等你用。”
。份二十西百一，份六十八的來原上加，料資新份六十五。紙疊那過接衍林
”。十九上能法算演版一下“，說他”。了夠“
。數個一漲就量本樣的集料資，份一導每，走前往格一格一條度進。統系SMIL進導份份一料資疊那把他。前案書回坐新重衍林，後走淺溫
……九十八、八十八、七十八
。充擴能也度維的型模歸迴，層兩加再度深的樹策決把他夠，本樣份二十西百一。圖草構架的法算演新著畫上紙稿草的邊旁在手隻一另，料資導手隻一衍林。上案書在鋪地斜斜，長很得拉月被子影的林竹外窗
。”用可“上得說正真能才法算演，候時那到。低降幅大能就例比的核稽工人，上以五十九之分百到提能果如率確準
。二十西百一、一十西百一、十西百一、九十三百一
。聲一了響裡間空白在音示提統系”。完匯“
。字數集料資的脹膨斷不個那上幕螢著盯，上背椅在靠衍林
”。%59：標目版一下“，號括個了加面後名案專在他”。本樣份241——2.0v集料資配適法功“
