反复查看：再次看结果前先规定停止规则

反复查看评估结果，并在第一次满意时停止，会改变最终报告所代表的证据。查看之前先定义检查计划、决策规则与最大范围。持续监测本身可以合理，但固定终点的统计保证，不会自动在结果驱动的停止规则下继续成立。

分开学习过程与最终主张

开发中查看失败非常有用。问题是把不断变化的同一评估，写成从未参与调优的确认，或者只报告有利时点。若新日期仍复用旧观测，就不构成新的独立实验。保留累计历史，并标明哪些决定事先已经规定。

NIST 的顺序抽样说明演示预先规定接纳、拒绝与继续区域的方案，背景是批次检验而非投资研究。Howard 等人的置信序列论文讨论满足数学条件的时间一致推断。它们都不能为随意反复检验、却保留原固定样本解释背书。

假设团队计划检查一百个提取的披露数值是否存在重大错误。虚构序列中，前十个没有错误，前二十个有两个，前五十个有四个，全部一百个有十二个。随着资料到来，累计错误比例不断变化。

检查点	累计错误	观察比例	如果只发布这次查看
十个值	0	0%	容易被写成完美提取
二十个值	2	10%	得到不同表面结果
五十个值	4	8%	又一个部分估计
一百个值	12	12%	原计划完整样本描述

在最初零错误时停止，并宣布流程没有错误，等于选择了有利前缀。这个表只作演示，不计算该路径发生的概率；一百个值的结果也不是真正全体未来提取的精确真相，抽样与标签不确定性仍然存在。

记录目标总体、抽样单位、结果定义、计划查看时点和停止理由。为控制风险，可以规定发生严重错误就暂停操作并调查。这可能是合理运营决策，却不使被停止样本自动成为一般性能的有效估计。

研究质量陈述需要与抽样和停止设计相符的分析。原本只计划一次固定样本评估，就遵循设计或公开偏离；确实需要持续决策，则选取并验证适合的顺序方法，不能默默把每次查看都当成常规最终检验。

累计查看共享观测，统计量通常相关，因此多个独立检验的误报公式不能直接套用。凭感觉降低显著性水平，也不能证明程序已受控。要采用有依据、假设与实现都经过检查的方法。

时间一致区间、顺序检验等方法各有条件与目标，不是每天更新的看板都能使用的同义标签。报告中区分置信区间、置信序列和描述比例。没有实现顺序保证时，不应借用名称描述普通重复估计。

记录每次当时可用数据、结果和触发的决定。保存提示词修改、提取规则变更和新增排除案例。一旦评估影响这些选择，它就成为开发反馈；之后评估新流程时，应保留新的独立案例。

完整历史能帮助读者分辨稳定表现与选择性报告，也能说明停止是由于容量、日历期限还是质量触发。三种原因对数据能够支持什么有不同影响，不能统一写成“已达到可靠水平”。

不是。持续监测有用，但推断和决策要匹配设计，不能把第一次有利查看当独立确认。

不能。该性质需要适当构造和假设，重新计算固定样本区间不会自动获得它。