diff --git a/docs/loss_function.md b/docs/loss_function.md
new file mode 100644
index 0000000..9aa5e32
--- /dev/null
+++ b/docs/loss_function.md
@@ -0,0 +1,103 @@
+# RoRD 模型训练损失函数详解
+
+本文档详细描述了 RoRD（Robust Layout Representation and Detection）模型训练过程中使用的损失函数设计。
+
+## 1. 检测损失（Detection Loss）
+
+### 数学公式
+$$L_{\text{det}} = \text{BCE}(\text{det}_{\text{original}}, \text{warp}(\text{det}_{\text{rotated}}, H^{-1})) + 0.1 \times \text{SmoothL1}(\text{det}_{\text{original}}, \text{warp}(\text{det}_{\text{rotated}}, H^{-1}))$$
+
+### 组成说明
+- **BCE损失**：二元交叉熵损失，适用于二分类检测任务
+  - 衡量原始检测图与变换后检测图之间的差异
+  - 公式：
+$$\text{BCE}(y, \hat{y}) = -[y \cdot \log(\hat{y}) + (1-y) \cdot \log(1-\hat{y})]$$
+
+- **Smooth L1损失**：平滑L1损失，对异常值更鲁棒
+  - 公式：
+$$\text{SmoothL1}(x) = \begin{cases}
+0.5x^2 & \text{if } |x| < 1 \\
+|x| - 0.5 & \text{otherwise}
+\end{cases}$$
+  - 作为BCE损失的辅助正则项
+
+- **权重比例**：
+  - BCE损失：权重 1.0（主导损失）
+  - Smooth L1损失：权重 0.1（辅助正则）
+
+### 空间变换
+- **warp操作**：使用逆变换矩阵H⁻¹对特征图进行空间变换对齐
+- **实现**：通过`F.affine_grid`和`F.grid_sample`完成
+
+## 2. 描述子损失（Descriptor Loss）
+
+### Triplet Loss公式
+$$L_{\text{desc}} = \max\left(0, \|f(a) - f(p)\|_2^2 - \|f(a) - f(n)\|_2^2 + \text{margin}\right)$$
+
+### 符号定义
+- **a** (anchor)：原始图像的描述子特征
+- **p** (positive)：变换后图像对应位置的描述子特征
+- **n** (negative)：困难负样本的描述子特征
+- **margin**：边界参数，默认值为1.0
+- **f(·)**：描述子特征提取函数
+
+### 采样策略
+
+#### 正样本采样
+- **采样方法**：均匀网格采样
+- **采样点数**：200个点
+- **空间分布**：在特征图上均匀分布，确保训练稳定性
+
+#### 困难负样本挖掘
+1. **候选生成**：随机生成负样本坐标点
+2. **距离计算**：计算anchor与所有负候选的距离
+3. **选择策略**：选择距离最近的负样本作为困难负样本
+4. **计算优化**：使用`torch.gather`高效选择
+
+### 实现细节
+- **特征维度**：128维描述子向量
+- **归一化**：使用InstanceNorm进行特征归一化
+- **距离度量**：L2范数（欧氏距离）
+- **损失函数**：`nn.TripletMarginLoss(margin=1.0, p=2)`
+
+## 3. 总损失函数
+
+### 最终公式
+$$L_{\text{total}} = L_{\text{det}} + L_{\text{desc}}$$
+
+### 设计特点
+- **无权重平衡**：两个损失直接相加，依靠网络自动学习平衡
+- **端到端训练**：检测和描述任务联合优化
+- **多任务学习**：同时学习几何变换不变性和特征描述能力
+
+## 4. 训练策略
+
+### 损失优化
+- **优化器**：Adam优化器
+- **学习率**：初始1e-3，使用ReduceLROnPlateau调度
+- **梯度裁剪**：max_norm=1.0，防止梯度爆炸
+
+### 验证指标
+- **检测损失**：验证集上的检测任务性能
+- **描述子损失**：验证集上的特征匹配性能
+- **总损失**：两个损失的加权和
+
+## 5. 实现代码位置
+
+- **检测损失**：`train.py::compute_detection_loss()`（第126-138行）
+- **描述子损失**：`train.py::compute_description_loss()`（第140-178行）
+- **总损失**：`train.py::main()`（第242行）
+
+## 6. 数学符号对照表
+
+| 符号 | 含义 | 维度 |
+|------|------|------|
+| det_original | 原始图像检测图 | (B, 1, H, W) |
+| det_rotated | 变换图像检测图 | (B, 1, H, W) |
+| desc_original | 原始图像描述子 | (B, 128, H, W) |
+| desc_rotated | 变换图像描述子 | (B, 128, H, W) |
+| H | 几何变换矩阵 | (B, 3, 3) |
+| margin | Triplet Loss边界 | 标量 |
+| B | 批次大小 | 标量 |
+| C | 特征维度 | 128 |
+| H, W | 特征图高宽 | 标量 |
\ No newline at end of file