几条登山队走散了，未必是谁迷路：也可能山脉本来就有几座相隔很远的峰。MCMC——用随机游走抽样来近似贝叶斯后验的方法——也有类似难题。多条采样链彼此不重合，可能是链没有充分探索，也可能是数据确实支持多套解释。常用的 R-hat 会比较链内与链间波动，但数值偏高只能说明链有分歧，未必说得清分歧来自哪里。
这篇论文把每条链画成一个节点，再计算两两链之间的 R-hat；足够接近 1 的链用边连起来。若所有节点连成一片，说明各链相互一致；若形成几个各自连通的群组，则提示它们可能分别稳定在不同的后验峰；若出现孤立节点，则仍可能是单独发现了一座峰，也可能只是混合失败——也就是链困在局部，无法充分移动。
这张图的价值不在于宣布“已经收敛”，而在于展示链分歧的结构，避免把复杂后验一概判成采样器故障。作者将方法做成了 R 包 mcmcConvergenceGraph，可接收任意采样器的 MCMC 输出；但孤立链的两种解释仍需进一步判断。