简单解释Ablation Study

看论文碰到了一个比较陌生的词Ablation Study，简单的来说，可以理解为对比实验，或者控制变量法。

英文解释：

An ablation study typically refers to removing some “feature” of the model or algorithm, and seeing how that affects performance.

去掉模型或者算法中的一些特征，观察去除的特征对模型产生了什么影响

举例解释：（来自知乎用户SleepyBag）

比如说你为了提升baseline的性能，给它加了两个模块A,B，加完之后效果果然提高了很多。于是你急急忙忙开始写论文，写到你的贡献，你给了两条：1.模块A，2.模块B。

但是这样写有个问题：尽管AB同时加上去对模型有提升效果，但是你并没有证明A、B两个模块分别都是有意义的。

所以为了验证A、B两个模块是不是真的都有用，你需要做ablation study。方法也很简单：

1. 在baseline的基础上加上模块A，看效果。
2. 在baseline的基础上加上模块B，看效果。
3. 在baseline的基础上同时加上模块AB，看效果。

然后结果可能是，实验1和实验2的结果都不如实验3，那么说明AB都是有用的；然而也有可能你会发现实验1的结果和实验3一样，甚至更好。这就说明你的想法是有问题的，模块B其实并没有起到作用，提升只来自于模块A。

综上所述，ablation study就是你在同时提出多个思路提升某个模型的时候，为了验证这几个思路分别都是有效的，做的控制变量实验的工作。