學習目標：在 m 個候選裡挑驗證分數最好的那一個，那個分數就帶著一個系統性的樂觀量。它隨 √log m 成長（所以「少試幾組」幫助有限），而且正比於驗證集本身的抖動 σ（所以「把驗證集加大」有效得多）。

一條分數軸上的 m 個候選（點）；垂直線＝真實品質；高亮＝被挑中的那個；箭頭＝樂觀量

對 m（log 橫軸）：勝出者的驗證分數、勝出者的真實風險、以及理論的 σ√(2 log m)（虛線）

觀察：把 m 拉大，被挑中的那個點越來越偏離真實品質線，而下圖兩條線越分越開——但那條分開得很慢，因為它是 √log m。把驗證集 n 加大四倍，樂觀量大約減半（σ ∝ 1/√n）：「把驗證集加大」比「少試幾組」有效得多。打開巢狀驗證，畫面上多出來的那條估計線貼回真實風險——代價是那份資料不能再拿來選。