말씀하신 것처럼 Train-Validation 간에 갭이 존재하더라도, Validation loss가 꾸준히 감소하고 있으면 학습을 이어나가는 편입니다.
제출을 여러번 진행해보았을때 public 점수도 이를 따라오는 경향을 보았거든요,

그러나 특정 Validation loss 이하로 내려갔을때(0.05미만정도..?), Public 더 이상 개선되지 않는 모습을 최근에 발견해 저도 고민중입니다.
validation set에 대해 현재 모델이 어떤 이미지에서 낮은 confidence를 보이고 틀리는지에 분석 후에 실험해보고,, 제출해보고 하는식으로 하는중입니다..

오늘부터 참가한 대회라 데이터를 더 뜯어봐야겠지만, 대강 테스트 해본 결과 augmentation을 적용하지 않으면 빠르게 train data의 정확도가 1에 가까워집니다.
그래서 저는 train data가 너무 빨리 가까워지지 않는 선에서 즉, train data와 val data가 안정되기까지 걸리는 '속도'에 따라 과적합을 측정할 예정입니다.