LiblibAI训练模型需经三步实测验证：一是用训练原图一键复现检验核心特征记忆；二是用相似新图测试泛化能力，关注结构与色彩稳定性；三是通过混搭冲突词、删减触发词、注入干扰标点三种方式压测鲁棒性。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
LiblibAI训练模型后必须通过三步实测验证才能确认是否真正可用：先用训练数据原图复现生成，再用相似新图做泛化测试，最后用跨风格提示词压测鲁棒性，跳过任一环节都可能误判模型失效或过拟合。
用训练原图一键复现验证
这一步不是走形式，而是检验模型是否成功记住了核心特征。进入该模型详情页→点击任意一张训练时上传的原始图片→在图片详情页点【在线生成】→再点【一键填充】→系统自动填入真实有效的提示词和参数→点击“开始生成”。【关键前提】：必须确保CHECKPOINT已切换为该自定义模型，且右上角显示“当前模型:xxx”字样，否则填充的提示词仍会调用默认底模。
用相似新图做泛化能力测试
准备3～5张未参与训练但风格一致的新图，比如训练的是“工笔牡丹”，就另找3张不同构图、不同色调的工笔牡丹照片。上传其中一张到生图页→在正向提示词最前端手动添加训练集高频词（如“工笔重彩,绢本设色,细腻线条”）→关闭“高清修复”选项→采样步数设为25→使用Euler采样器→生成。若连续两次输出出现花瓣结构崩坏、颜色溢出或枝干扭曲，则说明模型泛化能力不足，需回炉重训。
用跨风格提示词压测鲁棒性
方法一：混搭冲突关键词
在正向提示词中写入明显矛盾的描述，例如训练的是“水墨竹林”，却输入“水墨竹林, 3D渲染, PBR材质, OCIO色彩管理”。观察输出是否保留竹子形态但拒绝3D化，还是直接崩溃成噪点。
方法二：删减触发词测试
将原有效提示词中的核心触发词（如“ink_wash_bamboo”）逐个删除，每次删一个后生成一次，记录第几个词删除后图像风格开始漂移。若删掉第二个词就变油画风，说明模型过度依赖单一关键词，鲁棒性差。
方法三：注入干扰标点
在提示词中间插入中文顿号、全角逗号或emoji符号，例如“水墨竹林、清风徐来?、留白构图”。若生成结果出现大面积模糊或黑块，证明CLIP文本编码器对异常符号敏感，需检查训练时是否禁用了全角字符。
