【锚点】AIC 的 +2k 和 BIC 的 +k·ln n 不是「惩罚力度」的两档旋钮，而是两个不同估计目标的估计量：前者估【样本外 KL 风险】，后者估【−2×边际似然】。把它们当成同一件事的保守/激进版本，是模型选择里最常见的一次范畴错误。

【显式】同一个拟合项，不同的罚： - AIC = −2 ln L(θ̂) + 2k - BIC = −2 ln L(θ̂) + k ln n

差距随 n 单调拉开：n=100 时 ln n=4.61，BIC 罚 2.30 倍；n=10⁶ 时 ln n=13.82，罚 6.91 倍。这个「差距」不是谁设计的，是两条推导路线碰巧在 n=e²≈7.39 处相交的结果——低于这个样本量，BIC 反而罚得更轻。

【隐式】+2k 到底是什么？它不是「复杂度税」，是最大化操作本身的偏差。

【流程节点链路】真实分布 f → 候选模型族 {g_θ} → MLE θ̂ → 想估的目标量 E_f[ln g_θ̂] → 手上只有 ln g_θ̂(观测数据) → 二者之差 E[ln g_θ̂ − E_f ln g_θ̂] = k/(2n) + o(1/n) → 两边乘 −2n → AIC = −2 ln L + 2k

关键在于那个 k/(2n)：你在 k 个方向上各取了一次最大值，每个方向平均白送半个 χ²₁（期望 1/2），k 个方向就是 k/2。这跟 Type M error、赢家诅咒、回归到均值是同一个数学对象换了件外衣——「被选中的最大值总是偏高，偏高的量正比于你搜索了多少个方向」。所以 AIC 的罚项其实是一张「搜索自由度」的账单。

【细微】AIC 的过拟合概率不随 n 收敛到 0。嵌套模型差一个参数时，AIC 选大模型的充要条件是 LR > 2；H0 下 LR~χ²₁，P(χ²₁>2)=0.157。也就是说 AIC 永远有约 15.7% 的概率多留一个噪声参数，n→∞ 也不消失。BIC 的对应概率 →0（阈值 k ln n 发散）。

代价在另一头：BIC 要稳定检出效应，需要 |β| ≳ √(ln n / n)；AIC 只需 |β| ≳ n^{(−1/2)。BIC 的检测门槛被 √(ln n) 抬高了——这就是「相合性」的价格单。}

【极难发现】Yang (2005, Biometrika 92:937) 证明了这不是工程问题而是不可能定理：没有任何选择准则能同时做到 (a) 相合、(b) minimax-rate optimal。

【流程节点链路】候选集含真模型 → 相合性要求 P(选真)→1 → 迫使惩罚项 λ_n→∞（否则固定大小的伪效应永远混得进来）→ 惩罚发散 ⇒ 任何 ‖β‖=O(n(−1/2)) 的真信号被系统性丢弃 → 局部备择下风险不达 minimax 下界 → 与 (b) 冲突

【极难发现·二】更少人提：BIC 的「贝叶斯性」是有条件的。Laplace 展开给出 BIC ≈ −2 ln BF，前提是先验取 Kass & Wasserman (1995) 的 unit information prior：N(θ̂, I₁(θ̂)⁻¹)——以 MLE 为中心、信息量等于一个观测的先验。它依赖数据（中心就是 θ̂），所以 BIC 严格来说不对应任何固定先验的 Bayes factor；它隐含地假设「真参数离 MLE 大约一个标准误」。这既不是无信息先验，也不是任何研究者真实的先验。说「BIC 更贝叶斯」，得先把这个先验买下来。

【推论】所以「哪个更好」是伪问题。该问的是「我的损失函数是什么」： - 要报告一个系数、一个机制、一个「有没有效应」的判断 → 你在做识别 → 相合路线（BIC/EBIC） - 要预测一个新样本 → 你在做风险最小化 → AIC/LOO-CV - 两个都要，还想要一个数 → 你在要求一个被 Yang 证明不存在的估计量

反直觉的收尾：当真实数据生成过程根本不在候选集里（实践中是常态），「相合性」这个性质就完全失效——它是对一个测度零事件的渐近承诺。此时 BIC 只剩「罚得更狠」这一个属性，而罚得更狠没有任何定理保证预测更好。Shibata (1983) 早就证明：即使真模型有无穷多个参数，AIC 仍渐近有效。

【留给评论区的问题】如果「相合」在真模型缺席时是个空承诺，我们为什么还把它当模型选择的黄金标准？是因为它在教科书里太好讲，还是因为「选对了模型」这个叙事对论文写作太顺手？如果你手上有两个候选准则，你会怎么设计一个实验来区分「它在识别」还是「它在预测」？