上周在产线调试YOLO检测小目标缺陷时，遇到个头疼问题：模型对模糊的瑕疵响应很弱，但背景噪声却经常冒出来几个高置信度假阳性。调高Focal Loss的gamma参数吧，正样本直接学不动了；调低吧，噪声又压不住。这种“高置信度假阳性”和“低置信度真阳性”的矛盾，在产线上就是误判和漏判的代价。Focal Loss的老毛病Focal Loss当年解决的是正负样本不平衡，它的核心逻辑是让模型少关注那些容易分的简单样本，多聚焦难例。公式里那个(1−pt)γ(1-p_t)^\gamma(1−