Transformers 社群重提 RT-DETR 訓練損失錯配，舊版去噪查詢可能搶走正樣本

Hugging Face Transformers 於 10 月 21 日收到 RT-DETR／RT-DETRv2 訓練異常回報：在 5.14.1 啟用去噪訓練時，主損失可能同時接收去噪與正常物件查詢，使推論階段使用的正常查詢失去正樣本監督。同日另一名參與者指出，主分支已有相關修補；這次消息的重點是舊版訓練結果與版本核對，尚不能認定為最新版本的新回歸。社群回報

RT-DETR 是即時物件偵測 Transformer。官方文件列出預設 300 個物件查詢，並以 num_denoising 控制對比去噪訓練，預設值為 100；標籤與邊界框會加入噪聲，形成額外訓練訊號。這讓訓練時的查詢集合包含用途不同的兩部分，損失函數必須正確區分。官方文件

已合併修補的說明確認，舊邏輯只在輔助損失等路徑切開去噪查詢，主損失仍對全部查詢執行匈牙利匹配。由於去噪正查詢接近真實標註，容易取得配對，正常查詢因而缺少正樣本。修補改為先依去噪中繼資料切分，再計算主損失，並加入回歸測試；該變更已於 9 月 11 日合併，也涵蓋 D-FINE。修補紀錄

新回報提供單類別 RT-DETRv2 R50 實測：在 20 張影像切塊的過擬合測試中，切分前後 mAP 從 0.04 變為 0.987。這是回報者的特定實驗，不能當成通用效能提升，也尚無獨立重現。實測說明

對正在微調模型的工程師，依上述機制可採取的查核方式，是固定資料與隨機種子，比較已安裝版本及含修補版本的正常查詢主損失與匹配索引。後續應關注回報者能否在最新主分支重現，以及 RT-DETRv2 在開關輔助損失時的測試覆蓋；目前查核資料尚未確定首次納入修補的正式版本。