看一个常见场景：周报里写「新模型准确率 92%，效果显著提升」。这时候第一个该问的问题是——比什么提升了？
一句话定义：基线（Baseline）就是你在宣称「我的方法更好」时，用来当参照物的那套做法。
打个生活的比方。你发明了一套减肥法，三个月瘦了 10 斤，这算成功吗？不一定。如果什么都不做也会瘦 3 斤，如果只是少吃晚饭也能瘦 8 斤，那你方法本身的净贡献可能只有 2 斤，也可能是零。要下结论，得找一组条件相当的人，用常规办法走一遍——那组就是基线。你的成绩减去基线，才是你的方法的贡献。
机器学习里一模一样。新模型涨了 3 个点，这 3 个点可能来自你的创新，也可能来自：换了更大的骨干网络、训练得更久、数据清洗更细、超参调了几百组而对手只用了默认值。基线的意义，就是把这些「其他所有可能的原因」先固定住，让功劳能够被归因。
所以基线的关键不是「弱」，而是「公平」。一个像样的基线通常包括：随机猜或多数类预测这种下界、上一版模型、以及在同等努力下被调到最好的常规方法。数据划分、预处理、评估脚本、训练预算、调参预算，都得尽量对齐。把基线故意调烂再宣布自己赢了，那不是研究，是稻草人。
别把基线和基准测试集混为一谈
这是最常见的混淆。它们其实在回答不同的问题：
| 术语 | 是什么 | 回答的问题 |
|---|---|---|
| 基线（Baseline） | 一个用来对照的方法 | 跟谁比？ |
| 基准（Benchmark） | 一套数据 + 指标 + 评测协议 | 在哪比、怎么算分？ |
| 测试集（Test set） | 基准里用来打分的那批样本 | 用哪些题打分？ |
| SOTA（State of the Art） | 某个基准上当前公开的最好成绩 | 现在最好是多少？ |
一句话串起来：在某个基准的测试集上，你的方法跑出的分数必须超过一个公平的基线，才有资格谈 SOTA。少了中间这一步，「新 SOTA」就只是个数字。
这对你意味着什么
对做技术的人：看到「效果提升」的结论，先问三件事——基线是谁、它被调到什么程度、对比条件是否对齐。复现不出来时，问题常常不在你的模型，而在基线本来就不可比。
对不看代码的人：听到「超越 SOTA 百分之多少」，同样可以追问——在哪个基准上、和多大的模型比、推理成本差多少。用十倍算力打赢一个小模型，那不叫方法进步，叫预算进步。涉及具体版本、配置和榜单成绩，以官方页面为准。
没有公平基线的提升，先当成噪音，直到有人能证明它不是。