调了半年参数，终于把Label Smoothing的坑填平了一、引言：一个让无数调参侠夜不能寐的问题先问各位一个扎心的问题：你在训练YOLO的时候，Label Smoothing参数是随便填的，还是抄的别人的？0.1？0.05？0.01？还是干脆关掉？如果你回答“随便填的”，恭喜你，你不是一个人。在GitHub上搜索YOLO相关的训练配置，你会发现Label Smoothing的参数取值五花八门——有人用0.1，有人用0.01，还有人干脆不用。更离谱的是，Ultralytics官方文档中label_smoothing的默认值竟然是0.0，也就是说默认情况下这个功能是关着的。但问题来了——关着就一定对吗？开着就一定好吗？参数到底该设多少？本文基于近3个月内YOLO26、YOLO11等最新版本的官方文档、arXiv论文和社区实践，结合大量消融实验数据，一次性把Label Smoothing的参数选择问题讲透。核心结论先抛出来：通用场景推荐 ε = 0.05小样本/长尾分布场景推荐 ε = 0.05~0.1标注质量极高、数据量巨大的场景可以考虑 ε = 0.01 或直接关闭 YOLO模型的Label Smoothing到底该用多大参数？实验数据与最佳实践
调了半年参数，终于把Label Smoothing的坑填平了一、引言：一个让无数调参侠夜不能寐的问题先问各位一个扎心的问题：你在训练YOLO的时候，Label Smoothing参数是随便填的，还是抄的别人的？0.1？0.05？0.01？还是干脆关掉？如果你回答“随便填的”，恭喜你，你不是一个人。在GitHub上搜索YOLO相关的训练配置，你会发现Label Smoothing的参数取值五花八门——有人用0.1，有人用0.01，还有人干脆不用。更离谱的是，Ultralytics官方文档中label_smoothing的默认值竟然是0.0，也就是说默认情况下这个功能是关着的。但问题来了——关着就一定对吗？开着就一定好吗？参数到底该设多少？本文基于近3个月内YOLO26、YOLO11等最新版本的官方文档、arXiv论文和社区实践，结合大量消融实验数据，一次性把Label Smoothing的参数选择问题讲透。核心结论先抛出来：通用场景推荐 ε = 0.05小样本/长尾分布场景推荐 ε = 0.05~0.1标注质量极高、数据量巨大的场景可以考虑 ε = 0.01 或直接关闭 RELATED READING
延伸阅读
更多一线实战笔记与深度复盘，助您持续精进
