---
title: "从模拟里学到的后验能不能信"
description: "从后验与可信区域讲起，用秩统计和覆盖率检验神经后验，再用重要性权重和残差找出错误的模拟器。"
canonical_url: "https://sandboxphysics.com/zh/stories/simulation-based-inference/"
language: "zh-CN"
page_type: "story"
alternate_languages:
  en: "https://sandboxphysics.com/stories/simulation-based-inference/"
last_modified: "2026-11-14"
---

# 从模拟里学到的后验能不能信

Sandbox Physics · 2026-11-12

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。

1. L1 · 入门

   ## [神经网络给出的漂亮后验，怎样证明可以相信](https://sandboxphysics.com/zh/stories/simulation-based-inference/trusting-a-neural-posterior/)

   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。

2. L1 · 推导与例题

   ## [后验分布与 90% 可信区域到底保证什么](https://sandboxphysics.com/zh/stories/simulation-based-inference/posterior-and-credible-regions/)

   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。

3. L2 · 推导与例题

   ## [用秩统计和覆盖率检查后验是否校准](https://sandboxphysics.com/zh/stories/simulation-based-inference/rank-tests-for-posterior-calibration/)

   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。

4. 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](https://sandboxphysics.com/zh/stories/simulation-based-inference/model-mismatch-and-importance-weights/)

   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。

5. L3 · 复算方法

   ## [动手复算振铃后验的校准检验](https://sandboxphysics.com/zh/stories/simulation-based-inference/recompute-the-ringdown-calibration/)

   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。

6. L4 · 论文阅读

   ## [读懂 DINGO 论文里的 P–P 图、散度和采样效率](https://sandboxphysics.com/zh/stories/simulation-based-inference/reading-dingo-calibration-evidence/)

   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。