方法验证
method validation
证明一个检测方法在特定场景下确实可靠：准确度、精密度、检出限、重复性。
ai engineer's view
对校验器本身做评估：不是用规则判数据，而是用积累的判定日志反推规则的有效性与冗余度。
新建一个检测方法或把已有方法用于新材料时，必须先验证它靠不靠谱。要评估的指标：
- 准确度——测得值与真值（用标准物质）的接近程度
- 精密度——重复测量的一致性，分重复性（同一实验室同一人）和再现性（不同实验室）
- 检出限/定量限——能可靠检出、可靠定量的最低含量
- 线性范围——校准曲线在什么区间内可信
- 稳健性——条件小幅波动时结果是否稳定
这是检测标准演进的技术基础：如果能从海量历史检测数据中统计出某方法的再现性正在下降、或者某条款在实际中几乎从不触发，就有了修订标准的证据。
从数据角度，这是一个把「校验日志」反过来用于「评估校验规则本身」的问题——很有意思，也是 L6 场景的核心逻辑。