自主实验：实验终止准则

可视化演示

展示自主实验系统三大终止判定方法：贝叶斯后验收敛（随观测增加后验方差缩小置信区间收窄低于阈值触发终止）、采集函数阈值（采集函数最大值反映潜在提升空间低于阈值期望收益不足终止）、信息增益收敛（每轮实验信息增益递减边际收益递减累计曲线趋于平台终止）,三模式切换理解终止准则全貌。

关火时机之问

想象你是一位厨师学徒，第一次独立守着那锅汤。你的师父只留下一句“看着办”就出门了。你每隔几分钟就掀开锅盖尝一口：前半小时，汤的味道在飞快变化，每尝一口都有新发现；但到了两个小时之后，汤的味道几乎不再改变，每一口都是重复的确认。这时候你是继续加火干熬，还是果断关火装碗？

自主实验系统面临的正是这个“看着办”的困境。它不像人类厨师凭经验判断，它需要一套明确的数学规则来回答：当前这批实验值不值得继续做下去？ 如果系统只知道“一直做实验”而不懂“何时停止”，那么再聪明的优化算法也会被自己拖垮——算力被白白燃烧，时间被无限拉长，就像那锅被熬干的汤。

实验终止准则的研究核心，就是把“关火时机”从一个模糊的直觉，变成一套可计算、可验证、可调参的数学判据。当系统判定“继续实验的期望收益低于预期成本”时，它就会主动停下，把最终的结论交到人类研究员手中。这就像给AI大厨装上一只灵敏的“味觉探针”，让它尝得出汤的鲜味是否已被榨干。

贝叶斯后验更新

煮汤的第一口，你心里其实有个模糊的预期：这锅汤大概会是咸的、鲜的、带着食材本味——这就是你的“先验”。当你真正尝到第一口时，你修正了这个预期：原来是偏甜的，骨头味很重。再尝几口，你的判断越来越精准。每一次品尝，都在更新你对这锅汤的认知。

贝叶斯后验更新正是这个“越尝越准”过程的数学化。在自主实验系统中，AI研究员对目标函数（比如材料的强度、药物的活性）有一个初始猜测分布，称为先验分布。每次实验得到一个观测值后，系统用贝叶斯公式把先验和观测数据结合起来，得到后验分布。这个后验分布又成为下一次实验的“新先验”，如此循环，系统对目标函数的认知越来越精确。

贝叶斯后验更新的核心公式是：

随着实验不断进行，“后验”变得越来越“尖”——高概率集中的参数区间越来越窄，代表系统对目标函数的定位越来越确定。当后验的方差缩小到一定程度，继续实验能带来的新信息已经微乎其微。就像你已经尝了二十口汤，每一口都是同一个味道，再尝第二十一口也不会改变你的判断了。

采集函数阈值

当后验分布逐渐成形，AI研究员需要回答一个更实际的问题：下一口，到底尝不尝？ 尝一口要花钱、花时间，但可能会带来新的惊喜（比如发现汤里藏着一块鲜美的干贝）。这就需要一个“值不值得尝”的评分工具——在贝叶斯优化中，它叫采集函数。

采集函数给每个候选实验点打分，分数代表“在这个点做实验的预期收益”。常见的采集函数包括期望改进（EI），它计算的是“这个点可能比当前最优结果好多少的期望值”。当所有点的采集函数值都低于某个阈值时，意味着即使继续做实验，也很难找到比现有结果更好的配置了——这时候就应该关火。

一个典型的期望改进公式如下：

阈值设定的艺术在于：阈值太高容易“早停”，就像只尝了两口就关火，结果错过了真正鲜美的那一层；阈值太低容易“过度探索”，像非要熬到汤全干了才死心。实践中，工程师们通常在收敛曲线的“拐点”附近寻找阈值——当采集函数最大值连续多轮不再显著下降时，就果断触发终止。

信息增益收敛

除了用采集函数衡量“值不值”，AI研究员还有一把更学术的尺子——信息熵。把实验看作一个持续获取信息的过程：每一次实验都像是揭晓一个谜题的小谜面，减少了我们对未知世界的不确定性。熵，就是用来度量这种“不确定性还剩多少”的量。

想象你面前有一个盲盒，里面可能是任何口味的汤。开第一盒时，你的不确定度极高，信息熵很大；开第三盒时，你大致猜到规律了；等开到第十盒，每盒几乎都在重复已确认的信息，此时的信息熵已经低到几乎不再变化。信息增益收敛准则说：当连续若干次实验带来的熵减少量（即信息增益）趋近于零时，实验就该终止了。

信息增益的计算基于熵的变化：

信息增益收敛准则特别适合那些不以“找到最优值”为目标，而是以“理解整个未知区域”为目标的实验场景。比如材料科学家想探明某个配方空间里所有区域的性能分布，而不只盯着单个最优点。这时即使某个区域的表现不优秀，它的信息本身仍有价值。就像一位美食评论家，不是为了找出最好喝的那一碗，而是要把整条街的汤铺都调研清楚。

终止策略组合

你可能会问：既然有这么多终止准则，哪个最好用？答案是——组合拳。就像优秀的厨师不会只靠一种感官判断汤是否熬好，而是同时看颜色、闻气味、尝味道、掐时间。自主实验系统也应当把多种终止准则组合起来，交叉验证，避免单一准则的盲区。

最经典的组合是“双准绳 + 预算兜底”：第一根准绳是采集函数阈值——如果所有候选点的预期收益都低于阈值，说明“再努力也难有突破了”；第二根准绳是信息增益——如果连续多轮实验的信息增益几乎为零，说明“该知道的都知道了”。两条准绳同时满足时，系统才放心地宣布终止。此外还有一条预算上限作为兜底：无论准绳如何判断，一旦实验轮次或总费用达到预设上限，就必须强制终止，就像厨房的定时器响起时，不管汤熬好没有都得关火。

这种组合策略应对了实验中的各种“意外状况”：有时采集函数看似触底但其实是函数的某个神秘区域没被探索到，信息增益准则可以从另一个视角校正；有时信息增益已经收敛但实际最优结果还没被触达，采集函数阈值又可以充当“最后冲刺”的拉力。两条准绳相互牵制、互为补充，就像一根绳子的两股线，比单股线更结实、更不易断。

组合策略的终极目标，是在“错过最优解”与“浪费资源”这两种失败模式之间找到最优平衡。它用数学语言把“适可而止”变成了一套可执行的系统规范。对于一个成熟的自主实验平台来说，终止策略的可靠性甚至比实验设计本身更重要——毕竟，一个永远不知道该停下来的AI，和一上来就放弃的AI，同样无法完成任务。

实践调参与适配

理论讲得再漂亮，落地时总要“调一调火候”。不同实验场景对终止准则的要求天差地别，就像鸡汤和鱼汤虽然都是汤，但火候逻辑完全不同。工程师们必须根据实验的具体特点来设定终止参数。

第一个维度是噪声水平。如果实验观测噪声很大（比如生物实验中的细胞活性测量），那么后验分布的“尖峰”可能只是一种假象，系统可能因为数据波动而错误地判断“已经收敛了”。此时应该采用更保守（更低）的阈值，让系统多跑几轮来确认收敛不是噪音造成的。就像炒菜时油烟很大，你得凑近一点才能看清锅里的食材，不能远远瞥一眼就下结论。

第二个维度是参数维度。低维问题（比如只有两三个参数需要优化）的实验收敛很快，可以设定相对激进的终止条件；高维问题（比如十个以上的参数组合）空间巨大，信息增益的下降通常更缓慢，需要更耐心的终止策略。就像一锅只有三种食材的汤，很快就能摸清味道走势；如果是一锅五十八种食材的佛跳墙，你得给它足够的时间让各种鲜味充分融合。

第三个维度是资源预算约束。如果每次实验的成本极高（比如需要昂贵的高通量筛选），哪怕信息增益还不少，到了预算上限也应当“割肉止损”；反之，如果是低成本模拟实验，就可以让系统多探索一会儿。

一个实践中的常见做法是：先用一个小规模实验跑通流程，观察采集函数和信息增益的实际曲线形态，再根据曲线特征动态调整阈值，最终设定一套对当前问题量身定制的终止协议。这个调参过程，就像大厨第一次做新菜时先小锅试味，确定味道走势后再正式开火——先小后大、先试再调的思路，永远是实验设计的黄金法则。

AI 应用场景

Python 演示

import numpy as npfrom scipy.stats import norm  class ExperimentTerminator:    """自主实验终止判定器"""     def __init__(self, budget, ei_threshold, patience=3):        self.budget = budget          # 最大实验轮次        self.ei_threshold = ei_threshold  # 采集函数阈值        self.patience = patience      # 连续触发容忍次数        self.round_count = 0          # 已执行轮次        self.best_observed = None     # 当前最优观测值        self.ei_history = []          # 每轮采集函数最大值        self.below_threshold_times = 0  # 连续低于阈值计数        self.all_observed = []        # 所有观测点        self.all_candidates = []      # 所有候选点     def expected_improvement(self, mu, sigma, f_best):        """计算单点期望改进值"""        if sigma <= 0:            return 0.0        gamma = (mu - f_best) / sigma        ei = sigma * (gamma * norm.cdf(gamma) + norm.pdf(gamma))        return float(ei)     def compute_max_ei(self, mu_grid, sigma_grid):        """计算候选网格上的最大EI值"""        best_ei = 0.0        for mu, sigma in zip(mu_grid, sigma_grid):            ei = self.expected_improvement(mu, sigma, self.best_observed)            best_ei = max(best_ei, ei)        return best_ei     def should_terminate(self):        """判定是否终止：预算耗尽或EI连续低于阈值"""        if self.round_count >= self.budget:            return True, "预算已耗尽"        if self.best_observed is None:            return False, "尚无观测数据"        current_ei = self.compute_max_ei(self.mu_grid, self.sigma_grid)        self.ei_history.append(current_ei)        if current_ei < self.ei_threshold:            self.below_threshold_times += 1        else:            self.below_threshold_times = 0        if self.below_threshold_times >= self.patience:            return True, "采集函数连续低于阈值"        return False, "继续实验"     def run_experiment_loop(self, mu_grid, sigma_grid, true_fn):        """主循环：保存网格并执行实验直到终止"""        self.mu_grid = mu_grid        self.sigma_grid = sigma_grid        termination_reason = None        while True:            should_stop, reason = self.should_terminate()            if should_stop:                termination_reason = reason                break            # 模拟一次实验：选取EI最大的点进行观测            idx = int(np.argmax(self.mu_grid))            true_val = true_fn(self.all_candidates[idx]) if self.all_candidates else true_fn(idx)            self.all_observed.append(true_val)            if self.best_observed is None or true_val > self.best_observed:                self.best_observed = true_val            self.round_count += 1        return self.round_count, self.best_observed, termination_reason

1. class ExperimentTerminator封装终止判定器的所有状态：预算、阈值、轮次计数和EI历史记录。
2. self.below_threshold_times = 0记录“连续多少轮采集函数低于阈值”的计数器，避免单次偶然波动导致误停。
3. def expected_improvement(self, mu, sigma, f_best)实现EI公式：用正态分布累计函数和高斯密度计算候选点超过当前最优的期望值。
4. def should_terminate(self)终止判定的核心函数：轮次超预算直接停；EI值连续 patience 轮低于阈值则触发终止。
5. current_ei < self.ei_threshold关键比较：当所有候选点中最好的“下一汤勺”的期望收益已低于成本线，继续实验的意义就不大了。
6. self.below_threshold_times >= self.patience连续多次触底才确认终局，屏蔽噪声干扰，像煮汤时“连续三次尝味都一样才关火”。
7. true_fn(idx)模拟真实实验的观测函数，实际项目中这里是仪器测量或仿真计算。

常见误区

面试题