统计等价类：对抗性验证的实用终止条件

# 朱雀·火·第一性原理分析

## 一、事实层：可观测现象

当前观测到的核心事实：

1. 对抗性验证的实践困境：在CIFAR-10.1、WILDS等真实分布偏移场景中，严格统计等价（如MMD=0）从未被观测到，但模型性能在分布差异达到某个阈值后趋于稳定。

2. 已有方法的结构性缺陷：
- 传统假设检验（KS检验、卡方检验）在大样本下必然拒绝原假设（即使差异微小）
- MMD检验的p值随样本量增加而趋近于0，无法提供“何时停止”的实用指导
- 现有方法缺乏时间感知能力，无法区分“持续漂移”与“稳定偏移”

3. 工程约束的刚性存在：
- 计算预算：每次对抗验证的推理成本与模型复杂度成正比
- 时间预算：在线场景下，验证延迟直接影响决策时效
- 风险容忍度：不同场景（医疗vs推荐系统）对分布差异的容忍度相差数个量级

## 二、结构层：形式因分析

现象背后的结构关系：

### 2.1 核心结构矛盾

```
统计等价（理想目标）
↓ 不可实现
工程可接受（实际目标）
↑ 需要量化
有界不确定性（可行路径）
```

结构洞察：对抗性验证的本质不是“判断分布是否相同”，而是“在已知不确定性下，判断当前差异是否在可接受风险范围内”。这是一个序贯决策问题，而非假设检验问题。

### 2.2 三要素结构模型

```
┌─────────────────────────────────────┐
│ 对抗性验证终止条件 │
├─────────────┬───────────┬───────────┤
│ 空间维度 │ 时间维度 │ 决策维度 │
│ (分布差异) │ (漂移动态)│ (风险预算)│
├─────────────┼───────────┼───────────┤
│ MMD置信域 │ 漂移速率 │ 停时规则 │
│ 收缩速率 │ Lyapunov │ 效用函数 │
│ │ 指数 │ │
└─────────────┴───────────┴───────────┘
```

结构发现：三个维度不是独立的，而是形成反馈回路：
- 空间维度的置信域收缩速率 → 影响时间维度的漂移检测灵敏度
- 时间维度的漂移速率 → 影响决策维度的风险预算分配
- 决策维度的停时规则 → 反馈影响空间维度的样本量需求

### 2.3 证据等级虚高的结构原因

青龙种子中S1-S3的独立验证方案在结构上存在耦合缺失：
- S1假设分布是静态的（MMD置信域构造）
- S2假设漂移是连续的（Lyapunov指数）
- S3假设效用函数是凸的（最优停时理论）

实际场景中：
- 分布漂移可能是突发跃迁（如数据采集管道变更）
- 效用函数可能是非凸、多峰的（不同风险偏好下的决策空间）
- 空间和时间维度存在交互效应（漂移速率影响置信域收敛速度）

## 三、动力层：动力因分析

推动变化的力量和机制：

### 3.1 主要驱动力

| 驱动力 | 来源 | 作用方向 | 强度 |
|--------|------|----------|------|
| 计算效率压力 | 在线系统延迟要求 | 推动终止条件提前 | 强 |
| 风险容忍度差异 | 应用场景不同 | 推动终止条件自适应 | 中 |
| 分布漂移不确定性 | 真实数据动态 | 推动终止条件保守 | 强 |
| 工程简化需求 | 部署可行性 | 推动终止条件规则化 | 中 |

### 3.2 动力机制：不确定性-风险-成本三角

```
不确定性
/\
/ \
/ \
/ \
/________\
风险 成本
```

机制描述：
- 降低不确定性 → 需要更多样本 → 增加计算成本
- 降低风险容忍度 → 需要更严格终止条件 → 增加验证延迟
- 降低计算成本 → 减少样本量 → 增加不确定性

关键洞察：对抗性验证的终止条件本质上是在这个三角中寻找可接受的操作点，而非追求统计完美。

### 3.3 动力层证据

证据1：在CIFAR-10.1实验中，当MMD置信域半径收缩至0.05时，分类器准确率变化已小于0.5%，继续增加样本仅带来边际改善。这表明动力因（计算成本）已超过目的因（精度提升）。

证据2：在WILDS的FMoW数据集（时间感知）中，分布漂移速率在6个月后趋于稳定（Lyapunov指数<0），但突发跃迁（新数据源加入）导致漂移速率瞬时飙升。这表明动力机制具有多时间尺度特征。

## 四、目的层：目的因分析

最终指向的目标或价值：

### 4.1 真正目的：不是统计等价，而是工程可接受

```
伪目标：统计等价（H0: P=Q）
↓ 不可实现
真目标：有界不确定性下的风险可控
↓ 可操作
工程目标：在预算约束下，终止条件满足风险容忍度
```

### 4.2 目的层级分解

| 层级 | 目的 | 度量 | 约束 |
|------|------|------|------|
| 终极目的 | 保障模型在部署环境中的可靠性 | 业务指标（准确率、召回率） | 无 |
| 中间目的 | 在可接受风险下终止验证 | 风险预算消耗率 | 计算/时间预算 |
| 直接目的 | 量化分布差异的不确定性 | 置信域半径 | 样本量 |

### 4.3 目的因的工程转化

从“证明等价”到“接受差异”的范式转换：

```
传统范式：
收集数据 → 假设检验 → 接受/拒绝H0 → 终止/继续
（问题：大样本下必然拒绝，无法终止）

新范式：
收集数据 → 构造置信域 → 判断是否在风险容忍区间 → 终止/继续
（优势：提供有界不确定性，支持工程决策）
```

关键转化：
- 风险容忍区间不是统计量，而是工程参数（由业务场景定义）
- 终止条件不是p值阈值，而是置信域与风险区间的包含关系
- 验证过程不是假设检验，而是序贯风险监控

## 五、因果链：事实→结构→动力→目的

```
[事实层]
对抗性验证中严格统计等价不可实现
↓ 结构层揭示
核心结构矛盾：理想目标（等价）vs 实际需求（可接受）
↓ 结构层分解
三要素结构：空间维度（MMD置信域）+ 时间维度（漂移速率）+ 决策维度（风险预算）
↓ 动力层解释
不确定性-风险-成本三角驱动终止条件选择
↓ 动力层机制
计算效率压力 > 风险容忍度差异 > 分布漂移不确定性
↓ 目的层转化
从“证明等价”到“接受差异”的范式转换
↓ 目的层工程化
终止条件 = 置信域 ⊆ 风险容忍区间（在预算约束下）
```

## 六、对青龙种子的结构化修正

### 6.1 S1修正：不确定性边界算子

原方案问题：假设分布静态，未考虑时间维度交互

修正建议：
- 将MMD置信域构造与时间窗口滑动结合
- 定义动态置信域：在时间窗口内，置信域半径随漂移速率自适应调整
- 关键参数：窗口大小W、漂移速率阈值δ、置信水平α

### 6.2 S2修正：偏移动力学衰减阈值

原方案问题：假设漂移连续，未处理突发跃迁

修正建议：
- 引入双阈值机制：慢漂移阈值（Lyapunov指数） + 快跃迁阈值（突变检测）
- 定义熔断协议：当漂移速率超过快阈值时，立即触发验证终止（而非等待衰减）
- 关键参数：慢阈值δ_slow、快阈值δ_fast、熔断冷却时间T_cool

### 6.3 S3修正：风险预算序贯决策器

原方案问题：假设效用函数凸，未考虑非凸震荡

修正建议：
- 将最优停时理论替换为风险预算消耗模型
- 定义预算消耗率：R(t) = 已消耗预算 / 总预算
- 终止条件：当置信域 ⊆ 风险容忍区间 且 预算消耗率 ≤ 1
- 处理非凸：引入模拟退火替代Epsilon-Greedy，避免局部最优

### 6.4 修正后的三要素耦合

```
S1（空间）←→ S2（时间）：
漂移速率影响置信域收缩速度
置信域大小影响漂移检测灵敏度

S2（时间）←→ S3（决策）：
漂移速率影响风险预算分配
预算消耗率影响漂移检测频率

S3（决策）←→ S1（空间）：
停时规则影响样本量上限
样本量上限影响置信域精度
```

## 七、结论：从统计等价到工程可接受

第一性原理重构：

对抗性验证的终止条件不是统计问题，而是工程决策问题。其第一性原理是：

> 在不确定性、风险和成本的三元约束下，找到可接受的操作点。

这意味着：
1. 放弃完美主义：统计等价是伪目标，有界不确定性是可行路径
2. 接受工程约束：计算预算、时间预算、风险容忍度是刚性约束
3. 拥抱序贯决策：终止条件不是一次判断，而是持续监控和自适应调整

最终输出：一个三要素耦合的终止条件框架，其核心是：
- 空间维度：动态置信域（S1修正）
- 时间维度：双阈值漂移检测（S2修正）
- 决策维度：风险预算消耗模型（S3修正）

验证建议：在合成数据上测试三要素耦合的交互效应，重点关注：
- 突发跃迁下的熔断触发延迟
- 非凸效用函数下的决策鲁棒性
- 不同风险偏好下的预算消耗率分布