本文研究了调和后验，发现随机性一般情况下不会提高测试准确性，最低温度通常是最优的。使用带有某些随机性的贝叶斯模型会以降低测试准确性的代价为代价。作者讨论了使用贝叶斯模型来定位频率主义指标的需求的最优温度参数 λ 的优化目标的一个简单解释。通过 PAC-Bayesian 分析表明，温度参数 λ 不能简单地被视为修正了先验或似然的错误设置。