该研究探讨了过度参数化的贝叶斯神经网络（BNN）在预测置信度方面的局限性。研究发现，BNN的后验预测分布可能是多模态的，且不确定性不一定会随数据量增加而减少。即使训练数据来自简单分布（如高斯分布），后验预测分布也可能不收敛。这提醒我们在依赖BNN的"置信度"估计时需要谨慎，特别是在选择先验分布时要格外注意。研究通过合成和真实世界数据实验验证了这些发现。
