从模拟里学到的后验能不能信
用模拟训练出来的神经网络，几秒钟就能给出后验。先弄清后验和它的 90% 区域承诺了什么，再学检验这个承诺的秩统计和覆盖率，最后看网络为什么能通过所有检验，碰到真实数据却照样出错。
L1 · 入门
神经网络给出的漂亮后验，怎样证明可以相信
先在答案已知的模拟数据上考它，再和精确计算对照，最后检查真实数据是不是像训练时的模拟。
L1 · 推导与例题
后验分布与 90% 可信区域到底保证什么
用先验和似然在网格上算出后验，找出 90% 区域，再看它为什么十次里九次罩住真值。
L2 · 推导与例题
用秩统计和覆盖率检查后验是否校准
把真值放进后验抽样里排名次。名次均匀说明校准；鼓包、凹槽和斜坡各对应一种毛病。
L3 · 推导与例题
用重要性权重和残差检验找出错误的模拟器
重要性权重拿假定似然检验网络，残差检验拿数据检验似然本身。藏着的第二模式可以两关都过。
L3 · 复算方法
动手复算振铃后验的校准检验
先在共轭高斯模型上做模拟校准，再用到冻结的振铃神经后验上；输入、输出和失败案例都已保存。
L4 · 论文阅读
读懂 DINGO 论文里的 P–P 图、散度和采样效率
按图表顺序读 2021 年 DINGO 快报和 2023 年重要性采样快报，看每项检验证明了什么，域外数据怎样被标出。