题目重点：说明概率MSE可以用于分类，比较sigmoid后的梯度，而非错误断言MSE完全不可用。
题意与假设
这道练习题保留了面经中值得训练的核心约束，并将需要澄清的条件单独列出。现场拿到变体时，先和面试官确认这些条件。
- 训练二分类p=σ(z)，MSE指(p−y)²，CE指Bernoulli负对数似然；logit对标签的MSE是另一目标。
解题路线
- CE对应二元观察y的Bernoulli负对数似然，对logit梯度p−y。互斥多类对应softmax CE，任务模型与loss应一致。
- 概率MSE也称Brier类评分，其对logit梯度2(p−y)p(1−p)。高置信但错误时p(1−p)很小，梯度可能比CE弱，优化更难纠正饱和错误。
- MSE不是不能分类：固定x真实正率q，期望平方损失q(1−p)²+(1−q)p²的最优p=q，同样可学习概率。问题通常是参数化/优化和目标适配，不是数学上永远无效。
- 直接对未约束logit和0/1标签做MSE可以产生非概率值，阈值与校准需另定；不要把它与sigmoid后Brier混为同一情况。
- CE对极错预测惩罚大，数据噪声/错标签会影响鲁棒性；Brier有不同惩罚形状，选择应按评价、校准和鲁棒需求，不能仅背CE永远赢。
- 多标签、类别权重、label smoothing会改变具体梯度与归约。比较损失时控制初始化、学习率与训练预算，检验验证指标，不从loss数值较小推出模型更好。
手动走一遍
y=1，p=0.001，CE对z梯度≈−0.999，MSE≈−0.001996；二者都推动增z，但强度不同。真实正率q=0.6时概率MSE最优p0.6，证明它并非原则上不能用于分类。
规模与取舍
每例/类计算线性，优化效率不能单由单次算术复杂度判；训练稳定和泛化需实验。
易错点与追问
容易失分的边界
- MSE永远不能分类。
- 概率与logit MSE混用。
- 不同loss数值直接比较优劣。
继续深挖
- Brier如何分解校准和区分能力？
- 噪声标签下CE如何稳定？
- 多类MSE梯度怎样推？
