WHY IT MATTERS
为什么它决定 BCI 能否通用
随机打散窗口会让未来分布泄露进训练，也无法回答模型在漂移发生后能否及时恢复。真正的在线适应必须尊重数据到达顺序，还要说明每次更新所需的真实标签从哪里来、多久才可获得。
CORE INNOVATION · 02
从离线重采样到时间顺序在线审计
模型看到新数据后更新，收益在真实到达顺序中还成立吗？
每批数据必须先测试、后揭示标签并更新；同时比较冻结模型、只保留近期数据和保留历史数据，报告逐用户收益、标签可得性与灾难性遗忘。
TECHNICAL PATHS
可行的技术路线
- 每批先预测、再揭示标签并更新
- 同时保留冻结、近期窗口和完整历史三类基线
- 按时间块估计新旧数据对当前预测的边际价值
- 在更新失败时允许回滚并限制灾难性遗忘
THOUGHT EXPERIMENT
用一个问题检验它
如果模型只有在完成一次动作后才能从环境获得标签，而错误动作本身有成本，你会允许它每批自动更新，还是先累积证据、设置回滚并对高风险输出保持冻结？
READING CHECKLIST
读论文或产品材料时，逐项检查
证据检查进度0 / 4
OBSERVATION METRICS
test-then-train / drift / label availability / retention
不要只寻找一个更高的单项数字；要看这些指标是否在同一受试者、同一任务和同一时间尺度上共同成立。