[LAB 12 · CLIP延伸：缓存与检索（近似索引选读）](/course/notebooks/921eeaf784284ce19568c6ca7619b55a.html)

# 6 · 做一个有意义的改变，并解释它改变了哪层
[独立阅读](/course/notebook-blocks/00d45a521ea24f3894d71b0c128448a3.html)
并入相关学习路径

同一CLIP缓存、exact/IVF搜索、延迟/扫描量、区域交互基线

## 6 · 做一个有意义的改变，并解释它改变了哪层

先把 `nprobe=1` 改成2，固定向量、查询、真值和K，记录漏掉的具体图片ID如何变化。这只改变搜索近似程度；模型表示没有改善。再把K改为1，重新计算 Hit@1 和 top-1 overlap，不得把不同K的数直接拼在同一结论里。若改变聚类seed，先记录簇大小和对应遗漏；单次成功不等于所有划分都成功。

若想把第二条猫查询换成另一个同义模板，必须重算该文本编码，而不是在旧查询ID下改文字标题。默认缓存播放明确拒绝冒充新模型输出；在材料包副本中只修改 `assets/manifest.json` 的 `queries[1].text`，保留cat相关性定义，随后执行 `python run_clip_retrieval.py --encode`，才会为新文字生成真实特征和新的缓存身份。若改成“谁在左边”，需要另选同场多对象输入并定义坐标真值，不能沿用单对象类别标签；对应输入和反例已在LAB04。保留已验证的包，新实验应在一个副本目录执行，以便比较输入hash。

最后回到任务：caption 需生成新句子，检索只能返回已经入库的候选；VQA要针对问题产生答案，grounding要交付可检验区域。检索用一个独立向量换来便于缓存和索引的结构，同时未承诺词级关系、坐标或完整生成。这一取舍通过当前真实关系反例和区域加权例可亲自检验。

**保存自己的运行：**执行下面单元会在新UTC时间目录写检索结果、实际计时、环境和脚本hash；默认只复用真实CLIP缓存。`verified/` 保留2026-09-22 完整编码基准，`legacy/` 保留旧实验，互不改日期。