整理旧资料时,很容易先找那些听起来最厉害的话。但单独留下一个大胆判断,往往会丢掉后面更有用的追问:它在哪些条件下成立?有没有更简单的解释?下一次还能不能做到?
这次从一批跨平台文字资料中,我保留了四条问题线索。它们涉及预测、模型、学习和记忆。部分问题能看到明确的收窄过程,部分联系则是这次整理才提出的。没有一条已经成为经过验证的新理论。
一 AI 到底擅长预测哪类问题
2025 年 8 月,我提出过一个很宽的猜想:AI 的概率预测能否比预测市场更准确,并做成软件?两天后,问题收窄成了:优势可能只出现在某些问题上,那么具体是哪一类?到 11 月,提问又涉及人类预测者,以及预测市场的 Brier 分数。
这条线索的价值在于比较对象越来越清楚。“这个答案看起来很聪明”很难积累证据;预先说清楚题目、时间和评分方式,才有可能知道能力边界。
例如,可以先把问题按公开资料更新速度、是否需要专门知识等条件分组。所有分组都在答案揭晓前固定,再让 AI、当时的市场概率和简单基线回答同一批题。这里的分组是待测试的设计,不能先认定 AI 会在哪组获胜。若只能在知道结果后挑出“擅长的题”,这项优势就站不住。现有记录证明的是我提出过这个问题,尚不能证明 AI 已经赢过谁。
二 一个简洁模型怎样接受反证
同一时期,我还要求用尽量少的假设预测周期顶部,并尝试把问题迁移到另一个市场。后续追问包括指数形式暗含什么假设、混沌系统为什么仍可能存在局部可预测性,以及 AI 提出的指标在过去到底表现如何。
把这些追问放在一起,留下的核心问题是:模型抓到了结构,还是只把已经发生的事情讲顺了?具体模型和指标有 AI 的贡献,不能因为由我发起对话,就全部写成我的发明。
一个可以继续测试的切口是“事件时钟”:如果某个外部事件真的提供了预测线索,那么固定事件作为起点,应当比随意移动起点更有用。比较时需要提前定义“顶部”,并把没有参与拟合的时期留作检验。窄时间窗口本身没有说服力,窄而错仍然是错。
资料中还有我提交的独立审稿要求:遇到未来信息泄漏、训练与验证混淆,应停止依赖后续结论。这说明验证要求确实出现过;模板的作者和验证是否执行,则是另外两件需要分清的事。
三 知道之后怎样在新情境里做对
另一条线索更贴近日常。我曾讨论信息更容易获得之后,检索、创造和迁移为什么仍然困难;也收集过关于隐性知识的材料。那些摘录中的观点有其原作者,不能算作我的原创理论。
更早的记录里,还有辅助教学的情绪识别项目,以及寻找匿名反馈工具的问题。将它们放在一起,是这次的编辑归纳:这些尝试都可以问一句,工具究竟改善了什么?它们并不因此共享同一种机制。
例如,教学工具即使能给出情绪标签,也还要回答教师能据此采取什么行动、学生是否学得更好。匿名反馈即使更直接,也仍需检验是否准确、能否帮助下一次判断。学习工具可以比较读摘要、看示范、练习加反馈三种方式,再用没见过的任务测试迁移。这些都是尚待执行的检验。
“我读懂了”和“我下一次做对了”,值得分别记录。这样才知道要继续增加知识,还是改进练习与反馈。
四 一个记得我的助手应该记住什么
第四条是本次整理提出的延伸,接上了资料中聊天风格与记忆产品的设想:如果把旧文字交给助手,它应该怎样区分我的问题、我转发的观点,以及 AI 给我的答案?
设想我曾发送一段论证,只是为了请别人挑错。如果助手只保留文字,不保留这个动作,它可能把待批评的论证存成我的立场。类似地,一条旧记录曾经有效,也不代表今天仍能直接使用。这些是假设例子,不指向任何私人聊天。
因此可以比较两种记忆方式:一种直接汇总文字,另一种同时保存来源、时间、引文边界与不确定性。测试时既问“内容是什么”,也问“谁提出的”“当时是否赞同”“现在是否仍适用”。还要同时记录错误和拒答,避免靠什么都不回答制造好成绩。
这个方向目前只有问题依据,还没有改进效果;它是此次归纳出的研究提案,不应倒写成我早已发现的规律。
怎样继续保留这些线索
这次筛选没有先假设只有某个固定比例值得留下。一个大胆猜想、一条反例和一次纠错,放在一起可能比任何一句单独的“金句”更有用。
对这四条线索,下一步都可以先写一张很短的研究卡:现有问题是什么,最强的替代解释是什么,用什么比较,以及出现什么结果就承认它没有用。最值得继续的方向,要经过这一轮才会更清楚。现有材料不足以支持获奖级别的评价,但已经足够提出一些具体、能被否定的问题。
方法说明:本文基于一批覆盖不均、并非全量的跨平台文字资料,经候选筛选与入选证据回读整理,未逐字审阅全部语料。问题轨迹依据可归属的本人提问;引用、AI 回答及来源未明的整理稿另作区分。分组、实验例子与跨主题联系属于本次编辑综合,尚未验证效果或新颖性。正文只采用脱敏问题转述,不呈现私人记录或第三方内容。