[機械学習/統計]　Nested Cross Validationにおけるinner loopの分割方法について

被験者単位の汎化性能を評価する機械学習タスクにおいて、Nested Cross Validation手法がよく用いられていますが、内側のvalidation splitをする場合に、被験者ごとにfoldしてvalidationデータを確保した方がいいのか（図A）、各被験者から重複しないように K %サンプリングして、validationデータを確保した方がいいのか（図B)がわかりません。

前者の方が一般的だと思いますが、後者手法を使っている論文はあまり見たことがありません。

B手法は、inner loopでvalidationデータがleakageしていますが、testデータにはleakageしていないので、最終的なtestデータに対する性能評価をする場合にはこの２手法を同等に比較してもいいと考えています。

統計・機械学習の観点から、どのように解釈・説明するのが適切か教えていただきたいです。