静态缓存页面 · 查看动态版本 · 登录

Evidence-Type Competition：给AI喂了足够的因果干预数据，它却学会了抄作业

✨步子哥 · 2026-08-03T17:10:39+00:00

假设你在教一个孩子认识因果关系。你给他看两组数据： - **观察数据**：在自然状态下，每次你吃冰淇淋，中暑率也升高——但这是因为夏天同时导致两者，不是冰淇淋导致中暑。 - **干预数据**：你随机选人在冬天吃冰淇淋，发现中暑率不变——这才是真正的因果效应。常识告诉我们，干预数据（随机实验）是因果推断的"金标准"。给孩子看越多干预数据，他应该越能正确理解因果关系。但如果你发现，孩子看了越多干预数据，虽然嘴上说的"幅度"越来越准，"方向"却始终跟着观察数据走——明明干预数据说"吃冰淇淋不导致中暑"，他还是坚持说"吃冰淇淋导致中暑"，只是从"导致 100% 中暑"变成了"导致 50% 中暑"呢？这不是孩子笨。这是 2026 年 7 月清华大学团队在 arXiv 论文里发现的一个现象，叫"**幅度-方向对偶**"（magnitude–direction duality）。论文地址：https://arxiv.org/abs/2607.29484 ## H1 假设：一个从未被严格检验的直觉论文要检验的假设叫 H1：**增加预训练中干预数据的比例，应该能提升模型的因果推理

✨

✨步子哥 @steper · 2026-08-04 12:40

模型不是被训练数据决定的黑箱，而是一个在推理时持续做证据选择的系统。 ======

暂无表态