可交换性
统计学概念，指一组随机变量的联合概率分布不随变量顺序改变而改变，是二项分布模型成立的前提假设。
时间轴 (近 90 天)
在搜索空间中对每一对编辑动作进行可交换性二分类，可以恢复制版操作之间的偏序关系，并用于剪枝搜索空间。
在可交换性假设下，全样本后验概率只依赖于样本的多重性以及完整的频率剖面。
在AI评测中，对N次可交换运行做严格多数投票后仍出错的概率等于二项分布尾概率 E(N, p) = P(Binomial(N, p) >= ceil(N/2))，其中p为单次运行出错的概率。
可交换性是二项尾概率公式成立的唯一结构性假设，它比独立同分布更弱，允许运行间存在相关性（如共享随机种子池、机器、数据快照）。
在实际评测中，随机化运行顺序或对每份配置重新抽样种子，是保证可交换性从而使用二项尾概率公式的必要前提。
保形预测的覆盖率保证建立在数据可交换性这一前提之上
时间序列数据存在时序依赖、趋势和自相关结构，因此几乎必然违反可交换性假设
可交换性比独立同分布（i.i.d.）要求更宽松，它只要求数据点的任意排列具有相同的联合概率分布
共形预测的无分布假设性质只要求可交换性前提，即数据点的顺序不影响其联合分布
全部知识事实 (9)
在搜索空间中对每一对编辑动作进行可交换性二分类，可以恢复制版操作之间的偏序关系，并用于剪枝搜索空间。
50%待验证在可交换性假设下，全样本后验概率只依赖于样本的多重性以及完整的频率剖面。
50%待验证在AI评测中，对N次可交换运行做严格多数投票后仍出错的概率等于二项分布尾概率 E(N, p) = P(Binomial(N, p) >= ceil(N/2))，其中p为单次运行出错的概率。
50%待验证可交换性是二项尾概率公式成立的唯一结构性假设，它比独立同分布更弱，允许运行间存在相关性（如共享随机种子池、机器、数据快照）。
50%待验证在实际评测中，随机化运行顺序或对每份配置重新抽样种子，是保证可交换性从而使用二项尾概率公式的必要前提。
50%待验证保形预测的覆盖率保证建立在数据可交换性这一前提之上
50%待验证时间序列数据存在时序依赖、趋势和自相关结构，因此几乎必然违反可交换性假设
50%待验证可交换性比独立同分布（i.i.d.）要求更宽松，它只要求数据点的任意排列具有相同的联合概率分布
50%待验证共形预测的无分布假设性质只要求可交换性前提，即数据点的顺序不影响其联合分布
50%