非平稳性（nonstationarity）指的是数据分布或环境动态随时间发生变化的特性，是流式学习、强化学习和在线决策领域的核心难题。与静态假设不同，非平稳环境要求模型持续适应漂移的分布，否则性能会随时间退化。近年来，如何在缓慢漂移的约束环境中做出安全且稳定的决策，成为该方向的研究热点。
Nonstationarity 研究近期进展
针对缓慢非平稳的约束马尔可夫决策过程（constrained MDPs），一项研究提出了基于原始-对偶学习的方法，发现并利用其中的参数化共振（parametric resonance）现象来改善学习动态，为在漂移环境中同时满足奖励目标与约束安全提供了新思路，详见 Parametric Resonance in Primal-Dual Learning for Slowly Non-Stationary Constrained MDPs。
在多臂老虎机方向，另一项工作研究非平稳条件下 Thompson Sampling 何时应当离开其“锚定”策略的问题，引入 e-process 授权机制，让算法在统计证据支持时才切换行为，兼顾探索灵活性与误切换风险，见 When May a Bandit Leave Its Anchor? E-Process-Authorized Thompson Sampling under Non-stationarity。
针对流式异常检测，一项系统性基准研究评估了多种方法在持续变化的数据流上的表现，讨论了“在流式世界中是否应该原地不动”这一核心问题，为模型在非平稳数据流中的选择提供了实证依据，见 In a Streaming World, Should You Stand Still? A Comprehensive Benchmark of Anomaly Detection in Streams。
当前焦点与观察点
从这三项工作可以看出，非平稳性研究正呈现两个趋势：一是从单纯“检测漂移”转向“何时安全地改变策略”，即用序贯检验等统计工具为模型切换提供受控的授权依据；二是在约束优化场景中，关注漂移环境下原始-对偶方法的稳定性，避免分布变化导致约束被违反。
值得观察的问题包括：现有基准多基于合成或半合成数据，真实业务流中的非平稳模式差异较大，方法能否泛化仍待验证；此外，参数化共振等理论现象在实际深度强化学习系统中是否同样显著，也需要更多实验佐证。总体而言，非平稳性仍是连接统计学习理论与在线决策系统之间的关键桥梁，相关工具链正在逐步成型。