当使用异步超参数优化包，如 scikit optimize 或 hyperopt 交叉验证（例如，cv = 2 或 4）并将迭代次数设置为 N（例如，N=100）时，我应该期望：
- 损失值顺序提高的顺序迭代之间的依赖性（例如，第 10 次迭代中的优化超参数优于第 9 次迭代中生成的优化超参数等）。在这种情况下，我应该始终使用上次迭代中生成的超参数进行选择。
或者
- 期望迭代之间的独立性，在完成所有 100 次迭代后，我应该选择具有最小损失值的迭代。
如果选项 a) 是正确答案，如果最佳超参数与迭代 50 相关联，这意味着什么，是否意味着数据不稳定，或者损失函数指定不正确，因此，超参数优化过程结果不应该被信任？