英文：Early Stopping 分类：training
训练中监控验证集表现，当性能不再提升（或开始下降）时提前终止训练的正则化方法：防止过拟合、节省算力，是经典机器学习与大模型微调的标准实践。
机制：定期评估验证损失/指标→记录最佳检查点→连续 N 轮无改善（耐心 patience）则停止；配合：学习率衰减（先降 LR 再看是否恢复）、模型检查点保存（回滚到最佳）；现代实践：大模型常按预算训练（固定 token），但微调仍常用早停；变体：验证损失上升即停。
用于中小模型训练（过拟合防护）、微调（验证集监控）、训练成本控制（避免无效迭代）与超参调优（早停加速搜索）。