diff --git a/train/train_cosface_embedding.py b/train/train_cosface_embedding.py
index ad8a0f2..7b25363 100644
--- a/train/train_cosface_embedding.py
+++ b/train/train_cosface_embedding.py
@@ -39,6 +39,8 @@ class TaskConfig:
     batch_size: int
     lr: float
     aug_strength: str  # "strong" | "medium" | "shape"
+    cosface_s: float = 64.0  # CosFace scale factor
+    cosface_m: float = 0.35  # CosFace margin
 
 
 TASKS = {
@@ -50,6 +52,8 @@ TASKS = {
         batch_size=32,
         lr=5e-4,
         aug_strength='medium',
+        cosface_s=60.0,  # 菜品分类：类内差异大，使用中等scale
+        cosface_m=0.32,  # 较小margin，适应类内多样性（不同做法、角度）
     ),
     'whole_ingredient': TaskConfig(
         name='WholeIngredientRecognition',
@@ -59,6 +63,8 @@ TASKS = {
         batch_size=64,
         lr=8e-4,
         aug_strength='medium',
+        cosface_s=64.0,  # 完整食材：类间区分度高，使用标准scale
+        cosface_m=0.38,  # 较大margin，强化类间分离（番茄vs土豆差异明显）
     ),
     'processed_ingredient': TaskConfig(
         name='ProcessedIngredientRecognition',
@@ -68,6 +74,8 @@ TASKS = {
         batch_size=32,
         lr=5e-4,
         aug_strength='medium',
+        cosface_s=60.0,  # 加工食材：中等难度任务
+        cosface_m=0.33,  # 中等margin，平衡类内多样性和类间区分
     ),
 }
 
@@ -221,14 +229,19 @@ def collect_max_cos_scores(model, head, loader) -> torch.Tensor:
     return torch.cat(scores, dim=0) if scores else torch.tensor([])
 
 
-def main(task_key: str = 'dish', s: float = 64.0, m: float = 0.35, num_epochs: int = 60,
+def main(task_key: str = 'dish', s: Optional[float] = None, m: Optional[float] = None, num_epochs: int = 60,
          unknown_dir: Optional[str] = None, far: float = 0.05):
     cfg = TASKS[task_key]
 
+    # 优先级：命令行参数 > 配置文件默认值
+    s = s if s is not None else cfg.cosface_s
+    m = m if m is not None else cfg.cosface_m
+
     timestamp = datetime.now().strftime('%Y%m%d_%H%M%S')
     save_dir = os.path.join(settings.BASE_DIR, 'model', cfg.name, f'cosface_{timestamp}')
     os.makedirs(save_dir, exist_ok=True)
     logger.info(f'[{cfg.name}] 模型保存目录: {save_dir}')
+    logger.info(f'[{cfg.name}] CosFace超参数: s={s}, m={m}')
 
     transform_train, transform_val = build_transforms(cfg.aug_strength)
 
@@ -349,8 +362,8 @@ if __name__ == '__main__':
     parser = argparse.ArgumentParser()
     parser.add_argument('task', choices=list(TASKS.keys()), nargs='?', default='dish')
     # parser.add_argument('task', choices=list(TASKS.keys()), nargs='?', default='whole_ingredient')
-    parser.add_argument('--s', type=float, default=64.0)
-    parser.add_argument('--m', type=float, default=0.35)
+    parser.add_argument('--s', type=float, default=None, help='CosFace scale factor (默认使用任务配置值)')
+    parser.add_argument('--m', type=float, default=None, help='CosFace margin (默认使用任务配置值)')
     parser.add_argument('--epochs', type=int, default=60)
     parser.add_argument('--unknown_dir', type=str, default=None, help='开放集评估用未知类目录（可选）')
     parser.add_argument('--far', type=float, default=0.05, help='未知集允许的FAR，用于阈值估计')