误差不是只来自模型
传感器接触不良、视频模糊、定位漂移和时间不同步会先污染输入。模型即使工作正常，也只能在错误数据上给出结果。
训练数据覆盖不足
模型见过的动作、体型、场地和设备有限。换到不同人群或特殊运动环境，准确率可能下降。一个总体准确率不能代表每个场景。
标签和定义也会错
人工标注存在分歧，不同平台对一次动作或比赛事件的定义可能不同。模型学习的是标签体系，不是唯一真相。
正确排查顺序
先看原始信号和视频，再核对设备设置与时间，检查功能支持范围，最后比较多次结果。重要决策必须人工复核，并保留不确定性。