你想测试一种新的网约车定价策略，却不能简单地把乘客分成两组。价格会改变司机去哪里接单，一组人的选择会影响另一组。于是，平台只能让整座城市在新旧策略之间轮流切换。问题是：每轮应该持续多久？如果总按固定钟点切换，实验节奏可能恰好撞上早晚高峰；如果随机决定时长，结果会不会更可靠？
Yuchen Hu 于 2026 年 9 月 12 日提交的 arXiv 预印本《Spectral Design of Random-Duration Switchbacks》研究的正是这个问题。论文把随机时长的价值解释成一次“错峰”：它能改变实验节奏与现实时间趋势重叠的方式，并据此设计切换规则。需要先说明，本文披露的结论都来自这一篇预印本，尚无代码、真实业务实验或第三方复现支持。
为什么固定切换会碰上麻烦？
这类实验叫 Switchback 实验——整个市场、平台或城市随时间在处理组与对照组之间切换，而不是同时把用户拆成两组。它适合存在跨用户干扰的系统：一个人的处理状态会改变另一个人的结果，常规 A/B 测试要求的“两组互不影响”便很难成立。
Switchback 绕开了一部分干扰，却引入了时间问题。现实系统本来就在变化。订单量可能有快慢不同的起伏，实验安排也有自己的切换节奏。如果两种节奏重合，观察到的差异就可能混入时间趋势。
还有携带效应（carryover）——切回对照后，上一轮处理的影响不会立刻消失。例如供需状态需要一段时间才能恢复。这样一来，新时段的观测不仅受当前状态影响，也会被此前状态“污染”。论文考虑的是有限携带效应，即这种残留只持续有限时间。
标准做法通常在固定时间网格上切换。它很规整，也因此对“什么时候允许改变状态”施加了高度结构化的限制。论文把范围扩展到随机时长 Switchback：处理与对照仍然交替出现，但每一轮持续多久，由同一个时长分布抽取。
把时间趋势拆成不同节拍
论文的关键视角是频谱设计。所谓频谱，可以理解为把一条时间序列拆成快慢不同的波动：有些变化很慢，有些变化频繁。研究者随后检查，实验切换制造出的模式会在哪些节拍上与结果的时间变化重合。
论文分析 Horvitz–Thompson 估计量。它会按照每种处理状态被分配到的概率，为观测结果加权，以便从随机化安排中恢复总体效应。问题在于，如果某些状态出现的概率很小，或者前后时段高度相关，估计结果就会变得不稳定。
在有限携带效应下，论文把这一估计量的均方误差（MSE）写成频域形式。均方误差衡量估计值与目标值之间平方距离的平均水平，既会反映系统性偏离，也会反映结果的波动。按照论文的表述，误差大小取决于两类模式如何对齐：一类是结果随时间变化的模式；另一类是实验设计带来的不平衡与污染模式。
这里的“不平衡”，可以理解为处理和对照在时间轴上没有留下同样有利的比较条件；“污染”则来自携带效应，让当前观测混入此前处理的影响。换句话说，实验好不好，不只看切换次数，还要看它制造的节奏是否正好放大了现实中的某些时间波动。
随机时长的作用也由此变得清楚。它不是因为“随机”二字就天然更科学，而是能重新分配实验安排在不同频率上的力量，减少某些不利的重叠。
从解释误差，到直接设计规则
频域表示还导出了一个最坏情形设计准则。它关注的是：在允许的时间结果模式中，如果碰上最不利的一种，某套实验安排会产生多大的误差。论文称，这个准则可以直接由持续时间分布计算，因而能够拿来比较和优化不同的随机时长方案。
作者随后在一个简单的 two-rate family，也就是只包含两种切换速率的设计族中进行优化。得到的规则会随 run age 改变。run age 指当前这一轮已经持续了多久：切换概率不必从头到尾保持不变，而可以根据本轮“年龄”调整。
这意味着，方案不再只是“每隔固定时长切一次”，也不是每一刻都用相同概率抛硬币。它会参考当前一轮已经运行的时间，决定接下来更应该继续还是切换。
论文报告，在这一特定设计族内，所得规则相较于标准的 independently randomized fixed-block switchback——可理解为各固定时间块独立随机分配状态的基线——将渐近最坏情形均方误差降低至少 32%。这里每个限定词都重要：它说的是运行时间趋长时的理论表现，是最不利结果模式下的 MSE，也只针对论文采用的固定块基线和有限携带效应设定。
为什么值得关注？
这项工作的意义，不是宣布随机时长全面胜过固定时长。它更像是提供了一张判断地图：什么时候切换节奏会与时间趋势相撞，携带效应如何进入误差，以及持续时间分布能怎样成为可优化的设计对象。
过去谈 Switchback，容易把注意力放在“一个时间块该设多长”。这篇论文把问题推进了一步：时长是否必须固定？切换概率是否应该随着一轮实验已经持续的时间而变化？频谱视角把这些选择与估计误差连接起来，也让随机时长不再只是打乱日程的经验技巧，而成为可以计算的设计变量。
对系统级实验尤其如此。只要用户之间会相互影响，或者处理效果退出后仍有残留，实验时间表本身就不是行政安排，而是统计设计的一部分。
局限与未知
- “至少 32%”是特定假设、特定 two-rate 设计族和特定基线下的渐近最坏情形结果，不能写成真实业务中普遍可得的收益，更不等于因果估计偏差降低或业务指标提升。
- 现有材料没有披露完整推导、参数选择、计算复杂度、代码或真实业务实验，论文所称准则“易处理”、设计族“简单”的实际边界仍无法判断。
- 目前全部论断来自同一篇 arXiv 预印本，尚缺少独立复现与跨场景验证；随机时长也没有被证明优于所有固定时长设计。