我以前经过过一轮调参，是基于54个评测样本（queries.txt），过程中发现的最优的参数是这一组：
  0.641241 {'es_bias': '7.214', 'es_exponent': '0.2025', 'text_bias': '4.0', 'text_exponent': '1.584', 'text_translation_weight': '1.4441', 'knn_text_weight': '0.1', 'knn_image_weight': '5.6232', 'knn_tie_breaker':
      '0.021', 'knn_bias': '0.0019', 'knn_exponent': '11.8477', 'knn_text_bias': '2.3125', 'knn_text_exponent': '1.1547', 'knn_image_bias': '0.9641', 'knn_image_exponent': '5.8671'}
  
  这一组参数分布比较极端，text_bias太大（文本项得分事0~1的，加上4被稀释的很大），图片的exponent太大，不过在这个数据集上面确实是最好的，我觉得有过拟合的可能，因此要扩大数据集，先扩展标注集，然后使用扩展的标注集，继续进行寻参。
  因为标注任务和寻参任务耗时都比较长，请你写好一个脚本，内部先启动标注任务，然后再启动寻参任务，把任务跑起来，程序已经正常跑起来了、运转正常，你才可以退出，以后等程序跑完了应该能拿到寻参结果，下次你可以结合程序执行的结果进行结论分析。
  
  
  以前的一轮调参：
  我当时的调参需求：
  
  请对coarse_rank fusion公式进行调参：
    目前的baseline是这一组，Primary_Metric_Score: 0.637642：
    coarse_rank:
    ...
      fusion:
        es_bias: 10.0
        es_exponent: 0.05
        text_bias: 0.1
        text_exponent: 0.35
        text_translation_weight: 1.0
        knn_text_weight: 1.0
        knn_image_weight: 2.0
        knn_tie_breaker: 0.3
        knn_bias: 0.2
        knn_exponent: 5.6
        knn_text_bias: 0.2
        knn_text_exponent: 0.0
        knn_image_bias: 0.2
        knn_image_exponent: 0.0
    评估指标在/data/saas-search/artifacts/search_evaluation/batch_reports/batch_20260415T150754Z_00b6a8aa3d.md
    请以这个为基准，发散思维，进行宽一点的范围调参。因为每次重启、评测都需要几分钟，请写一个调参的框架，基于框架、设定好多组参数、写好脚本，每轮收集效果自动的调整参数分布（因为笛卡尔积、多种参数调参成本太高，因此考虑贝叶斯调参等方法通
    过多轮迭代通过脚本自动收敛）
    每次调整参数后需要重启backend （有时候重启backend后eval-web好像也挂了，如果有可以追查原因并修复）
    ./restart.sh backend
    注意：请你调试脚本、进行一轮分析，最终要沉淀一套调参脚本，我下次可以重新跑（还是针对这组参数调参），能自动迭代（调整参数分布）、收集每组参数的指标、调优到最优的参数组合。
  
  
  
  你给出的调参脚本：
  
    长时间自动调参脚本已经配好，核心文件是：
  
    - 调参主程序：scripts/evaluation/tune_fusion.py
    - 宽范围搜索空间：scripts/evaluation/tuning/coarse_rank_fusion_space.yaml
    - 后台长跑启动脚本：scripts/evaluation/start_coarse_fusion_tuning_long.sh
    - 续跑脚本：scripts/evaluation/resume_coarse_fusion_tuning_long.sh
    - 使用说明：scripts/evaluation/tuning/README.md
  
    这套方案不是笛卡尔积穷举，而是“种子实验 + 随机探索 + 基于历史最优分布的自适应采样”反复迭代。搜索范围已经放宽，新增了多组偏离 baseline 很远的 seed，也保留了 baseline 附近抖动，适合长时间慢慢收敛。
  
    直接启动一轮：
  
    ./scripts/evaluation/start_coarse_fusion_tuning_long.sh
  
    如果想跑更久一点：
  
    MAX_EVALS=48 BATCH_SIZE=3 CANDIDATE_POOL_SIZE=512 RUN_NAME=coarse_fusion_long_001 \
    ./scripts/evaluation/start_coarse_fusion_tuning_long.sh
  
    看日志：
  
    tail -f artifacts/search_evaluation/tuning_launches/<run_name>.log
  
    看结果目录：
  
    ls artifacts/search_evaluation/tuning_runs/<run_name>/
  
    续跑：
  
    ./scripts/evaluation/resume_coarse_fusion_tuning_long.sh <run_name>
  
    每轮会自动做这些事：
  
    - 生成一批候选 coarse_rank.fusion 参数
    - 写入配置并重启 backend
    - 检查 eval-web，必要时自愈拉起
    - 跑评测并收集 Primary_Metric_Score
    - 更新 trials.jsonl、leaderboard.csv、summary.md
    - 基于历史结果调整下一轮采样分布
  
    你先跑一轮长任务。跑完后把 run_name 或 scripts/evaluation/tuning/README.md 里对应实验目录发我，我再基于结果做下一步分析和收缩搜索空间。
  
  
  
  
  › 我运行了：MAX_EVALS=400 BATCH_SIZE=3 CANDIDATE_POOL_SIZE=512 RUN_NAME=coarse_fusion_long_001 ./scripts/evaluation/start_coarse_fusion_tuning_long.sh
  
    run_name=coarse_fusion_long_001
    pid=2218620
    log=artifacts/search_evaluation/tuning_launches/coarse_fusion_long_001.log
    pid_file=artifacts/search_evaluation/tuning_launches/coarse_fusion_long_001.pid
    cmd_file=artifacts/search_evaluation/tuning_launches/coarse_fusion_long_001.cmd
    run_dir=artifacts/search_evaluation/tuning_runs/coarse_fusion_long_001
  
    tail -f artifacts/search_evaluation/tuning_launches/coarse_fusion_long_001.log
    cat artifacts/search_evaluation/tuning_runs/coarse_fusion_long_001/leaderboard.csv
  
  
  • 我先看这次长跑的日志和当前排行榜，确认任务是否正常推进、是否有异常中断，以及目前最优参数落在哪个方向。
  
  • Explored
    └ Read coarse_fusion_long_001.log, leaderboard.csv
      List coarse_fusion_long_001
      Read summary.md
  
  ───
  
  • 结果已经足够看出明显趋势了。我再补一层聚合分析，看看 top 区间里哪些参数方向反复出现，避免只盯着单个最优点。
  
  • Ran ps -p 2218620 -o pid=,etimes=,cmd=
    └ (no output)
  
  • Ran python - <<'PY'
    │ import csv, statistics, math
    │ from pathlib import Path
    │ … +15 lines
    └ rows 385
  
      … +61 lines (ctrl + t to view transcript)
      knn_image_bias: mean=0.5631 median=0.2000 min=0.0010 max=4.0000
      knn_image_exponent: mean=4.6316 median=5.8680 min=0.0000 max=6.0000
  
  • Ran python - <<'PY'
    │ import csv
    │ from pathlib import Path
    │ … +19 lines
    └ baseline_score 0.637642
  
      … +30 lines (ctrl + t to view transcript)
      10 bo_234 0.641241 {'es_bias': '7.214', 'es_exponent': '0.2025', 'text_bias': '4.0', 'text_exponent': '1.584', 'text_translation_weight': '1.4441', 'knn_text_weight': '0.1', 'knn_image_weight': '5.6232', 'knn_tie_breaker':
      '0.021', 'knn_bias': '0.0019', 'knn_exponent': '11.8477', 'knn_text_bias': '2.3125', 'knn_text_exponent': '1.1547', 'knn_image_bias': '0.9641', 'knn_image_exponent': '5.8671'}
  
  这一次因为外部原因（磁盘满）终止了，以上是最好的一组参数。