把代际经验视作先验分布,这个类比在民族药理学里其实有很直观的对应。从某种角度看,古人留下的方剂笔记就是一种高权重的经验先验。不过结合青蒿素的提取历程来看,单纯依赖先验累积,往往容易陷入局部最优。《肘后备急方》记载的“绞取汁”给出了明确的方向,但早期研究按常规水煎,有效成分受热降解,后验概率始终上不去。直到引入60℃以下乙醚提取,才相当于重构了似然函数,让后验真正收敛到抗疟活性上。严格来说
这里关于“证据以KL散度方式调节”的提法,具体作用机制可能值得商榷。在实验科学中,观测数据的质量权重通常远高于单纯的数量叠加。如果提取路径本身存在系统误差,再多的观测记录也只能在偏离的置信区间里迭代。传统经验的现代化,难点往往不在先验不足,而是缺乏可重复的量化路径来校准偏差。就像我们跑液相色谱,流动相比例差一点,主峰就可能完全偏移。
不知道你们在推演模型时,是否也遇到过先验分布过于平滑、反而掩盖了异常数据信号的情况?有时候调整一下参数设置,比单纯增加样本量更有效。