Представь, что ты работаешь с моделью в PyTorch и после перевода её в режим оценки eval() видишь, что метрики на фиксированном тестовом наборе из 10 000 примеров меняются при каждом запуске. Ты фиксируешь начальное состояние генераторов случайных чисел для воспроизводимости: где ещё может скрываться источник изменений? Объясни роль Dropout, BatchNorm и torch.no_grad() и назови метрики с порогами, по которым проверишь стабильность результатов.