准确度取决于阈值，而损失不取决于阈值。ML 软件倾向于假设阈值为 0.5，这在类不平衡的情况下并不合适。

我相信，直到 epoch 500，您的模型正在学习（损失正在下降），但默认阈值不允许您从准确性方面看到它。

如果您选择另一个阈值，您可能会看到不同的结果。

关于从平滑到嘈杂的损失，可能是它首先学习“简单案例”，然后非常容易平滑地减少，在 400-500 epoch 之后它开始过度拟合一些“困难案例”，因此损失变得更加嘈杂。