前一关，会改写后一关
想象一家仓库分三层备货。第一层先决定留多少货；只有在第一层没有缺货的需求场景，才会进入第二层的计算。第二层再筛一次，第三层看到的已经是层层筛过的人群。如果还拿第一轮用过的数据去校准后面的决策，就像让参与出题的人继续参加考试：它们和一个全新的案例不再处于同样的位置。
这正是论文《Sequential Conformal Calibration under Recursive Selection》处理的问题。共形预测（conformal prediction）会参考历史预测误差，为新预测设置区间、候选集合或决策阈值。在样本可交换等条件下，它能提供有限样本覆盖保证。所谓覆盖率 90%，是指反复按同一流程预测时，真实结果落入预测集合的比例至少接近九成，并不等于每个具体案例都有恰好 90% 的命中概率。
问题在于，多阶段决策会改变后续面对的人群。论文提出 sequential conformal calibration：每一阶段使用一批此前没有参与过决策的新校准数据，也就是 fresh fold。本文所有方法、理论和实验结果都来自这一篇论文，尚无独立信源复核。
每过一关，就换一批“裁判”
论文关注的不是随时间陆续到来的新对象，而是同一个对象需要连续满足多项约束。每完成一阶段，只有满足此前全部条件的案例才算“幸存者”，进入下一阶段。
普通共形方法依赖可交换性（exchangeability）：粗略说，把校准案例和新案例调换位置，不应改变它们的联合分布。但如果一批校准案例既参与了前一阶段阈值的确定，又因这个阈值被筛选出来，还被拿去训练或排序下一阶段，它们就影响过筛选自己的规则。新测试案例没有这种影响，两者不再对称。
论文的关键做法很直接：预先把校准数据拆成互不重用的批次，第 阶段只用第 批。后续模型可以参考训练数据、此前批次和已经作出的决策，但不能偷看当前批次或未来批次。作者把这一限制称为 predictable refitting，可理解为“允许根据过去重拟合，但不能看未来答案”。
在给定此前历史后，当前批次中通过前面各关的分数，与同样存活的新测试案例分数仍然可交换。于是，每一阶段的排序保证可以接起来，为决策序列的每个 prefix——从第一关到任意当前关的整段成功事件——提供有限样本覆盖下界。即使存在并列分数，下界仍成立；部分更精确的等式则要求幸存者分数分布无原子，也就是分数几乎不会恰好相同。
保证的不只是一个平均数
在无并列分数的前提下，论文进一步把实际覆盖率随阶段变化的过程写成 universal Binomial-thinned Beta chain。名字很重，意思却相当具体：每一关先随机留下部分样本，再由排序位置决定这一关的实际覆盖水平；整个链条的分布只取决于各批数据量和目标覆盖率，不取决于具体分数分布，也不因合规的逐阶段重拟合而改变。
这条结果让研究者不只知道“平均覆盖率不低于目标”，还可以计算有限样本排序带来的额外余量、阈值变成无穷大时的放弃概率，以及给定某次校准数据后的覆盖保证。不过，“universal”有明确边界：它要求无原子的幸存者分数分布、每阶段使用 fresh fold，并满足相应的条件可交换性和信息使用限制。
阈值变成无穷大并非纯数学细节。如果某一批经过前面筛选后剩下的案例太少，就无法在目标水平上给出有限阈值。算法此时相当于选择保守通过，但产生的决策可能无法执行。阶段越多，幸存样本通常越少，因此数据如何分配给各阶段，本身就是设计的一部分。
数据复用不是一概不行
Fresh fold 的代价是耗数据。论文因此区分了两种复用。
如果各阶段分数预先固定，不会根据此前校准数据重拟合，那么只保留“严格低于”旧阈值的校准案例，可以恢复精确有效性。这里的“严格”很重要：若把恰好决定旧阈值的那个案例也留到下一轮，它参与过规则制定，而测试案例没有，普通排序论证仍可能失效。
如果后续分数会用历史校准数据重新拟合，情况就不同。模型可能给那些被重复使用的幸存者异常小的分数。论文给出的最坏情形分析显示，每复用一个案例，都可能损失一个有效排序位置；极端情况下，想要统一保证只能给出无穷阈值。
作者还提出 blocked design 作为折中：一个区块内固定分数并复用数据，每次重新拟合后再引入一批新数据。它处在全量复用与每阶段彻底换新之间，也把数据成本与适应能力之间的取舍摆到了明面上。
库存链说明了它为什么实用
论文把框架用于串行多级库存。每一级库存量，都被学习为一个依赖当前情境的条件分位数：第一层按所有需求场景定货；第二层只看满足第一层“不缺货”约束的场景；第三层再看同时满足前两层约束的场景。这里的分位数，可以理解为把需求从低到高排列后，在指定比例位置上取出的数量。
这比给每一级分别设置边际覆盖率更贴近真实目标，因为企业关心的是前几级约束能否一起成立，而不是每一级脱离上下文后各自达标。论文还把这些顺序条件分位数与经典库存模型中的服务目标联系起来，并指出：覆盖有效不等于成本一定低，过度保守同样可能抬高持有成本。
在论文报告的一组三层库存模拟中，fresh-fold refitting 的最终 prefix 覆盖率为 81.98%，目标是 81.82%；与 Bonferroni baseline 相比，平均成本降低 5.5%。Bonferroni 是把整体容错额度拆给各阶段，再用联合上界保证整条链的方法，通常更保守。论文也明确显示成本优势并不普遍：在另一些设置中，有效的严格复用方案比 fresh fold 更便宜。
为什么值得关注
这项工作的价值，不是又给共形预测加了一种算法，而是指出了生产决策链里一个容易被忽视的断点：前一步决策不只是产生一个结果，它还重塑了下一步的数据分布。若模型继续训练、阈值继续更新，最初的覆盖保证不会自动沿着流程传下去。
Fresh fold 提供了一条清晰的修复路径；严格复用、分块复用和排序损失分析，则说明“多留数据”与“多做适应”之间没有免费午餐。对审批、分流、库存这类层层筛选的系统，这比单独报告每一关的准确率更接近真正需要保证的对象：整段决策能否一起成立。
局限与未知
- 81.98%、81.82% 和 5.5% 只来自论文的一组三层模拟，不能外推为一般效果；现有材料也不足以独立核对重复次数、误差区间、成本定义和 Bonferroni 的具体实现。
- 保证依赖独立校准批次、条件可交换性和可预测的信息使用规则。论文的 Bike Sharing 时间切分实验仍出现部分覆盖不足，作者将时间分布变化与递归选择问题明确区分。
- 数据较少、阶段较深时，fresh fold 可能因幸存样本不足而给出无穷阈值。论文也把依赖需求、带状态的连续控制等情形留给其他采样模型或修正方法。