交叉验证是机器学习中最常用的模型评估方法之一，其核心思路是把数据切分成多个子集，轮流用其中一部分做测试、其余部分做训练，从而在数据量有限的情况下更可靠地估计模型的泛化能力。它既是教科书式的标准流程，也是当前方法学研究争议的焦点之一——评估设置选错，结论可能完全失真。
交叉验证的近期进展
近期方法学研究的一个主要方向是给出场景化的操作指南。2026 年 10 月，一篇生物医学与应用研究领域的综述系统梳理了从简单的 hold-out 切分到嵌套分组交叉验证的完整方法链，强调在存在数据分层或个体聚类的场景下，普通交叉验证容易高估性能，应根据数据结构选择验证方案（Model validation in machine learning: A scenario-based guide from hold-out splits to nested group cross-validation in biomedical and applied research）。
另一条线是对验证方法本身做统计审查。一篇 2026 年 10 月的分析从统计角度检验了 METR 提出的"AI 任务时长"估计的有效性，指出基于有限数据点外推得到的时间线结论对拟合与验证方式相当敏感，方法学透明度值得关注（On the estimation and validity of AI time horizons---a statistical look at the METR plot）。
在应用侧，时间序列数据对交叉验证构成特殊挑战。一项发表于 2026 年 8 月的研究基于加拿大海岸警卫队舰船 CCGS Sir Wilfrid Laurier 的 1Hz 运行数据评估燃油消耗模型，发现按时间感知的方式划分数据（而非随机切分）会显著改变模型评估结论（Time-Aware Validation of Machine Learning Fuel Consumption Models）。
此外，2026 年 8 月关于 AI 蛋白质设计的报道讨论了从计算端验证到湿实验验证的落差问题：交叉验证等离线评估给出的排名，与真实实验结果之间可能存在明显差距（From In-Silico to Wet-Lab: Evaluating AI Protein Design Performance）。
当前焦点与观察点
围绕交叉验证的讨论目前集中在三点：一是数据泄漏风险，尤其是分组、时间或医学影像等有内在依赖关系的数据，随机切分会把"答案"泄给训练集；二是时间感知验证的普及度仍然不足，很多时序问题的论文仍在沿用不适合的随机 K 折；三是离线验证与真实部署之间的差距，蛋白设计等领域的经验表明交叉验证分数只是起点而非终点。对研究者而言，选验证方案时先问数据是否独立同分布、时间顺序是否重要，比追求单一"最优"方法更实际。