在论文中，通常建议报告在验证集上表现最佳的模型作为结果。你可以在训练过程中记录每个 epoch 的性能，并选择在验证集上性能最好的那个 epoch 的结果。这种方法能够展示你所训练的模型在其最佳状态下的表现。

这样做有几个优点：

1. 客观展示模型最佳表现：提供了模型在最佳状态下的性能数据，能够更真实地展示模型的潜力。

2. 减少偶然性：有时模型在训练集上的效果可能会出现偶然性波动，而验证集的性能能更稳定地反映模型的能力。

但是，你也需要在论文中明确指出这个选择的标准，并解释如何选择最佳模型。例如：

• 记录指标：详细说明你是如何记录每个 epoch 的指标（如准确率、损失值等）。

• 选择标准：说明选择最佳 epoch 的标准（如验证集上的最高准确率）。

此外，你还可以考虑进行多次实验，并报告这些实验的平均性能或标准差，这可以为读者提供更全面的性能评估。