「那么，一个好的 “异常值寻找流程”，应该具备哪些要素？
（1）多尝试。样本越多，遇到异常值的概率越高。
（2）明确目标：弄清楚 “最好的结果可能是什么样”，这样才知道何时停止。
（3）找到与 “核心需求” 高度相关的评估方法：筛选 “可能惊艳的”，而非 “大概率不错的”。
（4）尽可能快速抽样、快速评估：这样才能更快迭代抽样策略。
（5）反复尝试却屡屡失败时，别气馁」——Ben

定性目标→定量评估→迭代策略→持续抽样
定性目标是确认「值得」定量评估的样本字段
定量评估是定义什么算「异常值」的样本标准
迭代策略是保证收集对应样本字段的收集效率
持续抽样是保证收集对应样本字段的收集时长

与我最近研究的AI的好奇心策略不谋而合
没有定性目标的好奇心天天盯着环境噪音琢磨
没有定量评估的好奇心容易被复杂环境搞躺平

联想到《为什么伟大不能被计划》新奇性算法：
「求新就是求复杂，而更复杂的往往更加有效」

所以一个有趣的问题是
「如何定义好奇心的字段和标准」？