mlr3中的resampling对象是否必须调用$instantiate完成实例化？

首先明确：重采样对象的实例化本质是提前基于传入的任务（task），按照你配置的重采样规则（比如k折交叉验证、自助采样、留存法）预先生成所有固定的训练集、测试集索引，而不是在训练执行时动态生成。
你观察到的不实例化也能运行的场景，是因为mlr3的resample()等函数如果接收到未实例化的重采样对象，会在内部自动完成实例化操作，这种设计是为了简化单次无特殊要求的重采样训练流程。

必须主动调用$instantiate(task)的场景包括：

• 多模型/多实验对比需要统一划分的场景：比如你要对比逻辑回归、XGBoost两个模型在同一个任务上的重采样表现，为了排除不同划分带来的结果干扰，你需要先实例化重采样对象，再将同一个实例化后的对象传给两个模型的resample()调用，保证两个模型在完全一致的训练/测试划分上执行。
• 需要提前校验或自定义修改划分的场景：比如你要检查分层k折的每折标签分布是否符合预期，或者需要手动剔除某一折训练集中的异常样本，都需要先实例化，之后可以通过$train_set(折数)、$test_set(折数)获取对应索引进行查看或修改。
• 嵌套重采样场景：执行嵌套重采样做超参数调优时，内层的重采样划分必须提前实例化，保证所有超参数组合都在相同的内层验证集上评估，避免划分随机性导致的超参数打分不可靠。
• 需要可复现实验结果的场景：你只要在实例化操作前设置固定随机种子，后续所有基于该实例化对象的重采样运行结果都可以100%复现，不需要每次调用resample()都单独设置随机种子。

内容的提问来源于stack exchange，提问作者jasonone