AB实验是为了检验某方案是否有效，即检验方案实施后的总体B是否相对实施前的总体A有显著提升。预期提升比例越大越说明B比A有显著差异，则只需越少的样本就能得出显著的结论，参考以下公式： 

在AB实验中，最小样本量是一个非常重要的概念，它决定了实验结果的统计显著性和可靠性。以下是对各选项的分析：

A: **在其他条件一定时，预期提升比例越大，最小样本量越小**
预期提升比例（即效果大小）越大，越容易检测到显著的差异，因此所需的最小样本量会越小。这是因为较大的效果更容易被统计检测到。

B: **在其他条件一定时，样本方差越大，最小样本量越小**
这是不正确的。样本方差越大，数据的波动性越大，要检测到显著差异就需要更多的样本。因此，样本方差越大，最小样本量应越大。

C: **在其他条件一定时，选取α值越大，最小样本量越大**
α值是显著性水平，通常设定为0.05或0.01。α值越大，表示我们允许的第一类错误（即假阳性）的概率越大。在其他条件一定时，α值越大，所需的最小样本量应越小，因为我们对显著性的要求降低了。

D: **在其他条件一定时，选取β值越小，最小样本量越大**
β值是第二类错误（即假阴性）的概率，1-β是试验的检验力。β值越小，表示我们希望检验力越大，即更有能力检测到实际存在的效果。为了达到更高的检验力，需要更大的样本量。

综上所述，正确答案是：
A: 在其他条件一定时，预期提升比例越大，最小样本量越小
D: 在其他条件一定时，选取β值越小，最小样本量越大