一台利率情景生成器，平时答题看着正常，压力测试时却可能突然报出荒谬数字。Mohanty 检查的是条件归一化流——一种依据历史状态，把简单随机数逐层变成整条收益率曲线情景的生成模型。它的隐患在于，每层可逆变换都能缩放扰动；尺度控制不严，罕见抽样经过多层放大，就会变成数值爆炸，而非经济上合理的危机情景。
最醒目的结果来自一段此前未使用的 60 日窗口。两个冻结模型各生成 60 万条曲线：原模型的位置头——负责给出中心预测的部分——均方误差仅为 0.3376，但样本均值的误差高达 33,908.95。也就是说，点预测没有报警，少数极端样本却足以拖垮整体。改用 Gaussian 随机底座并收紧每层缩放后，最大绝对标准化坐标降至 14.72；五个开发窗口共 300 万条样本中，最大值为 17.33，且没有结果超过 20。
这不等于预测变准。作者指出，历史模拟在新窗口上的分布评分更好，区间覆盖也更接近目标；同时，新模型一次改了随机底座和尺度边界，无法拆分两者贡献。对风险团队更实用的提醒是：别只验均方误差，还要单独审计海量抽样的尾部和逐层尺度放大。