研究档案 / 证据分级 / 可继续的问题
研究结果与待验证假说目录
从负结果开始,而不是从“重大突破”开始。
最值得公开的,未必是最宏大的想法,而是已经留下证据、边界和下一步的工作。这里不把灵感称作发现,不把 AI 的肯定当作独立验证。
两种第一名
现在最值得公开:比特币冲击恢复特征的负结果,因为保存了预测、评分和审计材料。
下一步最值得投入:AI 记忆的情境误用实验,因为可以用较低成本检验具体主张。这个优先级是研究选择,不代表原创性或成功率已知。
第 1 项的数值底稿
Brier 分数越低越好。下面只公开聚合评分,不包含任何真实账户、个人交易或私人聊天数据。研究使用 Binance BTCUSDT 现货分钟行情:预定义冲击触发后观察 30 分钟,预测随后 6 小时内的分钟最低价是否比观察结束价再低至少 2%。第一轮测试为 2023—2025 年的时间顺序外推,第二轮为 2026 年 1—10 月固定扩展;并非预测长期周期底部。
| 检验 | 事件 / 阳性 | 基线 | 恢复增强 |
|---|---|---|---|
| 第一轮主模型 | 778 / 145 | 0.1587410631 | 0.1587410631 |
| 第一轮次要逻辑回归 | 778 / 145 | 0.1708927727 | 0.1728968664 |
| 第二轮,2026年1—10月扩展 | 207 / 26 | 0.1100920787 | 0.1098051303 |
第二轮改善约 0.000287,原包按周聚类的 95% 区间跨零。这支持“尚无稳定增量证据”,而不是“证明绝对无效”。本次复核未独立重算置信区间,也未从原始行情重新训练模型。没有测试成交、成本、净收益或因果恢复力。
01 / 回顾性实验 · 负结果
比特币冲击后,恢复速度增加了预测信息吗?
2026-11-05 复现包;2026-11-12 核对保存的预测与评分
目前能说:在既定事件定义、数据和模型范围内,未建立恢复特征具有稳定增量预测价值的证据。第一轮 778 个测试事件,基线和恢复增强主模型 Brier 分数相同;第二轮 207 个事件,改善很小,包内不确定区间跨零。
不能推出:这不是比特币不可预测的证明,也不是前瞻交易业绩。既有研究已接触这些年份;本轮只重算保存预测的评分,没有从原始行情重训全流程。
提出与协作:个人研究材料,借助 AI 进行整理、实验与审计;本页不认证各步骤的独立作者贡献。
下一步:冻结新的事件定义、模型和评价规则;在以后数据上比较强基线,并保留无增益结果。
什么会改变判断:若新数据稳定显示预先规定的增量改善,这个暂定负结果的适用范围应收窄。
02 / 逻辑纠错 · 已有概念的应用
事后最低点,不等于当时可识别的买点
2026-10-08 档案审阅;2026-11-12 目录整理
目前能说:回顾性选出区间最低点,与只使用当时可见信息发出确认信号,是不同任务。
不能推出:不能因最终日期落入窗口,就说当时存在可执行策略;也不能用这条逻辑直接判定所有择时方法无效。
提出与协作:用户研究问题及 AI 协作审计,不是新数学定理。
下一步:把目标日、确认日、下单可用信息和延迟分别记录。
什么会改变判断:若某方法给出只依赖当时信息的可执行规则,应独立检验它,而不是把它与事后最低点混同。
03 / 档案与方法审计
把口径漂移和伪独立证据从预测记录里剥离
2026-10-08 档案审阅;2026-11-12 目录整理
目前能说:同一助手模拟多个专家不自动产生多份独立证据;不同底部定义不能合并成一个命中率。
不能推出:这是对证据组织方式的纠错,不证明被审计结论必然错误。
提出与协作:对个人研究材料的协作审计,不是独立预测实验。
下一步:固定每条预测的原话、日期、目标定义、数据源与修订记录。
什么会改变判断:若来源、方法和误差依赖可以被检验,应据此重新评估证据的独立程度。
04 / 算术审计 · 尚待代码复现
周期相位应使用圆周统计,而不是直接比较线性极差
2026-10-08 档案审阅;2026-11-12 目录整理
目前能说:圆周上跨零点的一组相位,可能在线性坐标上显得分散;最短覆盖弧与普通极差不是同一个量。
不能推出:给定数字的算术可核对,但对具体论文实现的批评尚未完成原代码复现;不能据此宣称论文已被推翻。
提出与协作:既有统计方法在研究审计中的应用。
下一步:用同一输入重跑原统计量和圆周替代量,比较零假设模拟与多重选择影响。
什么会改变判断:若原实现已正确处理圆周结构,应撤回针对该实现的批评。
05 / 可检验假说 · 尚无本人的实验结果
AI 的记忆,什么时候会把现在的人困在过去?
2026-11-10 问题笔记;2026-11-12 目录整理
目前能说:比较无历史、普通摘要、带时间与适用条件的记忆,观察模型是否更尊重当前意图。
不能推出:“记忆越多越差”或普遍倒 U 形都没有被本人的数据证明。长上下文的位置敏感研究不等于记忆剂量实验。
提出与协作:用户提出的方向,AI 协助精确化;原创性尚未经过完整文献审查。
下一步:固定任务与模型,设置偏好变化和无变化对照,盲评回答并记录检索开销。
什么会改变判断:如果条件化记忆不能改善预先定义的误用率,就不支持本次具体假说。
06 / 已发表应用构想 · 未证明教学效果
语音情感识别能怎样用于教育?
2022-11-07 论文发表;2026-11-12 阅读论文与目录整理
目前能说:论文提出面向教育场景的语音情感识别应用与验证方案。
不能推出:实验部分包含可进行 A/B 测试的方案语言,不能写成已完成教学试验,也不能声称提高了学习成绩。
提出与协作:作者 Weijia Xian;本文仅按论文可见内容描述,不增加未经证实的贡献声明。
下一步:在同意与隐私保护条件下,先验证识别可靠性,再检验真实教育收益和误判成本。
什么会改变判断:若不能超越简单基线,或没有净教育收益,应放弃相应应用主张。
07 / 测量研究假说 · 工具原型
投资决策能力,能否不靠事后收益来测量?
2026-11-10 问题笔记;2026-11-12 目录整理
目前能说:尝试把预测校准、证据质量及风险纪律与结果运气分开。
不能推出:量表可能测到风格、知识或市场环境,而非稳定能力。排名不稳定也不能单独证明能力不存在。
提出与协作:用户工具与研究问题,AI 协助设计;不是已验证能力量表。
下一步:先检验重测可靠性、不同市场状态下的泛化和相对简单基线的增量解释力。
什么会改变判断:若评分不可靠或不提供增量信息,就不能称其为有效能力尺。
08 / 机制假说 · 无新实验
睡眠的跨尺度相位一致性是否提供额外信息?
既有研究材料;2026-11-12 目录整理
目前能说:询问不同时间尺度的相位同步,是否在睡眠时长和分期之外解释记忆表现。
不能推出:这不是个人健康评估,不支持根据手表分期诊断疾病,也没有证明“睡眠就是泛化”。
提出与协作:AI 综合既有睡眠研究形成的候选,不归为用户发现的生物机制。
下一步:使用合适的公开数据与预注册比较,先控制已知混杂因素。
什么会改变判断:若相位指标在独立数据上没有增量,或效应由测量误差解释,就不支持该模型。
09 / 已有领域上的研究议程
动态恢复能力是否比静态指标更有价值?
既有研究材料;2026-11-12 目录整理
目前能说:先问恢复参数能否被可靠重复测量,再问是否增加对未来结果的预测能力。
不能推出:不能把价格增长放缓直接等同临界慢化,也不能把任何恢复指标当作个人寿命计。
提出与协作:用户关注的跨领域问题,AI 协助整理;恢复力研究并非新的领域。
下一步:区分扰动大小、恢复过程、观察噪声与已有风险指标,检验外部有效性。
什么会改变判断:若重测不可靠,或加入已知指标后效果消失,应拒绝相应增量主张。
10 / 条件代数 · 未证明生成机制
3/8 与 5/8 的两模态周期模型
既有研究材料;2026-11-12 目录整理
目前能说:给定某些参数与模型形式,可以生成特定比例。
不能推出:能拟合一个比例,不等于解释其来源;尚未从市场微观机制推导这些参数。
提出与协作:模型构造与 AI 协作推演,不是市场规律的认证。
下一步:明确自由参数、选择过程和零假设,再在新样本上检验。
什么会改变判断:若相近比例也能被大量参数组合或随机路径产生,不能把它当作独有机制证据。
明确不列为成果的说法
- 价格增长率放缓不等于临界慢化。后者讨论的是系统受扰动之后恢复率降低。
- “记忆量与回答质量普遍呈倒 U 形”尚无本人的实验支持。
- “睡眠就是泛化”是启发性类比,不是已证实的生物机制。
- “全局有界不保证局部有界”是已有数学区分,不是这里新证明的定理。
- 60 万情景的合成模拟是对已知机制的演示,不是对真实大模型的 60 万次实验。
- 数学手稿有撤回或未独立审计的内容,不将其列为已证明成果;关于诺奖的夸张评价不构成证据。
来源、范围与核查边界
本轮读取了七个基本假设、研究评估文档、作品审阅、研究档案文本,以及 2026 年 11 月 5 日两份冲击恢复复现包,并阅读公开论文与相关文献。对两份保存预测重新计算了 Brier 分数与事件数量。没有逐字重审全部历史聊天,也没有重跑所有研究。
原始档案中的用户想法、助手建议和论文转述被分开处理。部分来源仍为私人研究材料;本页只发布概述与不涉及个人财务的聚合评分,不能替代完整公开复现包。各条“公开背景材料”用于理解研究脉络,不表示链接独立证实了本页全部主张。
- 鲜唯佳研究材料:《比特币冲击恢复:首轮结果与复现包》与《第二轮增量检验与2026扩展》,2026-11-05;本次数值核对 2026-11-12。
- Weijia Xian, Speech Emotion Recognition Application for Education,2022-11-07,DOI 10.54691/bcpep.v7i.2691。
- Scheffer 等,Early-warning signals for critical transitions,Nature,2009。
- Liu 等,Lost in the Middle: How Language Models Use Long Contexts,2023 预印本。它不证明普遍的记忆剂量倒 U 形。
- 我曾质疑过的七个基本假设,2026-11-10。
- 把知识留给后来的人:此前公开知识目录,2026-11-12。
研究之外的决策、产品与创作洞见,另见《发现,不只发生在实验里》;两类目录采用不同标准,不合并成“科学发现总榜”。
怎样纠正与继续
若你发现数字、出处或推理有问题,请说明对应条目与可核查来源。修订应保留日期和理由,不悄悄覆盖原先的判断。
下载结构化目录 JSON · 投稿 / 留言(登录提交,审核后公开)(独立版暂未迁移)
修订记录:2026-11-12 v1.0,首次整理;把证据成熟度与潜在影响分开,保留负结果与核查限制。本文不提供投资或医疗建议。