3. 验证与确认的区别

在模型实现验证与代码复核的实践中，很多团队把“验证”和“确认”混为一谈，导致复核清单写得含糊、评审结论无法落地。V&V 是 Verification and Validation 的缩写，中文通常译为“验证与确认”。两者都指向“模型是否可信”，但回答的问题、介入的时点、使用的证据完全不同。理解这一区别，是后续代码复核、测试设计和交付评审的基础。

一、核心原理：两个不同的问题

验证（Verification）回答的是：“我们是否正确地构建了模型？”它关注实现与规格之间的一致性，即模型是否按照设计文档、数学公式、接口约定和编码规范被正确实现。验证的对象是“实现过程与产物”，证据来自静态检查、单元测试、数值对比、代码走查等。

确认（Validation）回答的是：“我们是否构建了正确的模型？”它关注模型在其预期使用场景中是否足够准确地反映现实或业务目标。确认的对象是“模型用途与真实世界的关系”，证据来自业务场景回放、历史数据回测、专家评审、现场试验等。

从证据链角度看，验证提供的是“规格符合性证据”，确认提供的是“用途适用性证据”。两者缺一不可：只做验证，模型可能精确地实现了错误的假设；只做确认，模型可能在边界条件下崩溃却未被发现。

二、方法流程：V&V 在模型生命周期中的位置

模型生命周期通常包括需求定义、概念建模、数学建模、实现编码、测试、部署运行、维护迭代等阶段。V&V 并非只在测试阶段出现，而是贯穿始终，但侧重点随阶段变化。

可以看到，验证活动更偏“工程内建”，确认活动更偏“业务外联”。在模型实现验证与代码复核实战中，我们主要承担验证职责，但必须理解确认的输入和输出，否则复核会失去业务方向。

三、案例/场景：一个预测模型中的 V&V 分工

假设团队开发一个设备剩余寿命预测模型。验证工作包括：检查特征计算代码是否与特征规格书一致；用已知输入验证输出数值是否在容差内；检查边界值（如空数据、极值）是否被正确处理。确认工作包括：用过去两年的维修记录回测，看预测寿命与实际更换时间是否吻合；请现场工程师评估预测结果是否可用于排产决策。

# 验证示例：数值一致性检查（伪代码）
expected = spec_formula(x)
actual = model_impl(x)
assert abs(actual - expected) < 1e-6, "实现与规格不一致"

# 确认示例：历史回测指标
mae = mean_absolute_error(y_true, y_pred)
if mae > business_threshold:
    raise ValidationError("模型精度不满足业务用途")

如果只做验证，代码可能完全符合规格，但规格本身忽略了工况变化，导致确认失败。如果只做确认，回测指标可能达标，但某个分支代码写错，在特定设备上产生异常输出。因此，V&V 必须并行设计、交叉引用。

四、误区与复盘：常见混淆与纠正

• 误区一：把测试等同于验证。测试只是验证的一种手段，代码走查、静态分析、形式化检查同样属于验证。
• 误区二：把确认当作最终验收。确认应尽早介入，概念阶段就应评审假设是否合理，而不是等到部署前才做。
• 误区三：用确认结果替代验证。业务指标好不代表实现无缺陷，可能只是误差被平均掩盖。
• 误区四：V&V 文档混写。验证报告应记录规格符合性证据，确认报告应记录用途适用性证据，混写会导致审计困难。