贝叶斯模型选择是具有统计一致性的，即当样本量趋于无穷时，正确模型的后验概率收敛到1。但是比较模型不包含正确模型的情况下，贝叶斯模型选择的行为并不清楚。该项工作首次系统性的研究了这一情形下贝叶斯模型选择的渐近行为，并将其行为划分为三种类型。对研究者最为关注的模型相同错误且可识别的情况，模型后验概率表现出病态的极端自信行为：在一些数据中以概率1支持一个模型，在另一些数据里以概率1支持另一个模型。贝叶斯模型选择广泛应用于各个学科领域，该项研究涉及统计推断的哲学原理，故发表后即引起了统计学、生物学和哲学等领域研究者的关注。 

　发表论文 

　　1. Yang, Z., & Zhu, T. (2018). Bayesian selection of misspecified models is overconfident and may cause spurious posterior probabilities for phylogenetic trees. Proceedings of the National Academy of Sciences, 115(8), 201712673.