一次成功演示能支持多大的结论？

可运行的模型不等于可解释的决策机制

Mickens警告将不透明模型接入金融等重要系统；Karpathy具体区分已知的网络数学架构与尚不清楚的参数协作机制，并强调实证评估。这为高影响部署为何需要额外审查提供技术背景。

两条曲线重合，能认出是哪种机制吗？

把模型给出的正确答案换成一条正确的曲线，问题会更尖锐。在第一个模型里，每天按固定倍数增长，只是「新增与已有数量成正比」这条规则的结果。如果每次接触还必须遇到一个易感者，早期两条线可能几乎重叠，后来却会分开。只展示开头不是区分这两种解释的好测试。

移动小点的模拟给了反方向的例子：把一个小点隔离起来，或者缩短它能够传播的时段，在模型中可能造成同样的效果。此时再把总数曲线画细一点也认不出机制；需要新增一种观察，例如小点是否仍在接触邻居。这是关于模型可辨识性的例子，不是现实干预效果的估计。

未知训练数据会削弱榜单解释力

Bubeck 因不知道 GPT-4 的训练数据而不愿仅靠公开基准推断能力；Howard 则指出榜单可能混入训练泄漏且与使用场景脱节。两者都要求在公开分数之外设计新的实际任务检验。

形式验证愿景先需要可形式表达的知识

Carlini把形式验证协议列为长期防御优势的一条路径；Buzzard指出自动证明研究级数学之前，定义与已知陈述必须先进入形式语言。两者可沿“证明需要可精确陈述的对象与性质”相连，但这一前置条件是跨场景比较，而非Carlini给出的实施清单。

成本竞争如何变成部署竞赛

自动化视频强调即使机器较慢，只要足够便宜仍有替代激励；AI困境把竞争带来的力量进一步放到公司发布竞赛中，主张仅靠单家企业克制不足以协调风险。

「解出来了」的解，是局部还是全局？

如果一段演示只说优化器收敛了，把问题稍微改写：它找到了邻近都更差的点，还是证明了任何其他可行点都不会更好？Boyd 的讲座把局部与全局分开，又指出某些非凸问题可以凭特殊结构得到全局解，比如低秩矩阵近似。可见再换十次起点与给出一项结构保证，是两种不同的证据。给结果附注时，记录目标、约束和实际证明的保证，比只写「最优」更有帮助。

遮挡后的物体还在，证明模型学会了三维吗？

Altman 描述一个片段：有人走过，挡住原来的物体；人走开后物体还在。这给「这次遮挡前后连贯」提供了一个实例。要区分稳定的三维表示与较窄的画面续接策略，可以事先设计出会让两种解释分歧的变化，例如在遮挡期间转动视角，然后统计一组案例。另一场访谈中提到的真人交互可以帮助发现固定题库漏掉的情形，随后还要把发现写成可复现的测试。这里的视角实验是读者可以设计的检验，并非访谈中已完成的结果。

下一次观测，什么结果会让解释落空？

Deutsch 的轴倾解释必须承担一个具体预言：两半球的季节应该错开。Seung 给连接组提出了类似的检查，想从连线推回一串神经元，再用记忆回放时的活动检验顺序。前者是熟悉的物理解释，后者在这场演讲里仍是拟议试验。Levin 的涡虫演示则真正做了第二次挑战：再次截断，放回清水，看双头形态会不会再次形成。读演示时，把已经看到的结果和讲者还想看到的结果分别记下来。

测到活动与找到停止条件，是两种实验

Johnson 的头盔演示有一条可追踪的链，发出的光在组织中散射，返还的光用于估计与血氧有关的活动。若想从信号推断系统在完成什么任务，还要做另一个实验。Levin 描述蝾螈断肢再生时特别在意「何时停止」，沿肢体不同位置截断，都能观察最后达到的形态。一个读数可随活动而变，扰动后在何处停下则能约束对目标的解释。这两个例子没有证明读脑或再生的普遍理论。

吹灭蜡烛的那一口气，究竟演示了什么？

一个人吸入制冷剂、吹灭蜡烛，观众当场看到的是在这个房间里发生的一件事。影片随后把镜头移到平流层，在那里物质的稳定性、迁移和分解才成为问题。比较两段时，把测试单上的「环境」与「持续时间」填全：一次成功演示里根本没有运行的过程，需要另设观测。

第一次有反应，离能用还有多远？

长导线远端可以很早就产生可观测的电压，但灯需要的是足够大的电压与功率。光刻机也面临「抵达」这个词的歧义：真空中能够传播极紫外光，并不等于光源的光子都能走完整套光学系统。两个案例都值得追问测试仪的读数单位。用「有」作为合格门槛，和用「足够驱动负载」会得到不同结论。

解释昨天的决定，怎样才算预测过明天？

Kari 在 2018 年讲座中给战略文化一个明确任务：考察有哪些因素进入领导层的决定。当他转向预测，用的是「也许」。回看一个已有解释时，可以先把时间遮住，写下这个模型在事件发生前会排除什么结果。事后能将许多结局讲通，与事先排除了其中哪几种，是需要分别保存的记录。

样品成功的那一步，能在整层材料上重复吗？

蓝色 LED 的材料已经能在电子束处理过的表层表现出需要的电学性质，加热才让更大范围的处理可行。EUV 光源也已经能从锡产生所需波长的光；难的是让下一滴锡在下一发强脉冲到来时恰好摊成需要的形状。如果把第一次发光算作成功，接下来可以分别追问两个可测的量：成功覆盖了多深的材料，又在连续多少个目标上重现？

合格的模拟器可以在哪些地方明显失真？

微缩坦克场的摄像头在撞树时会向上爬，训练者却仍看重它教会手脚怎样操作。先列出要转移到真车的动作，再列出需要保真的反馈，能解释为什么一项明显的失真并不毁掉所有练习。Bach 谈感知时把「观察到什么」和「怎样解释这次观察」分为两层。拿它来检查模拟器，先对齐练习所需的反馈，再问学员会不会学出错误的因果解释。

把一套解释搬到另一个国家，哪些前提也得带上？

Rock 把技术团队放进假想的政治推演，自己点出当地条件会改变结果。Mearsheimer 的分析则先假定没有更高的安全保证者，而且很难确知他国意图。读这两段时，可以给每项判断标记为前提、推演或观察。即便两个讲者都能把故事讲通，也只有预先说清什么观察会改变判断，才有办法比较其解释力。

一次漂亮的演示已经证明了多长一段寿命？

把汽车压在加筋砂上，可以看见模型在那次加载中没有散掉。解释结果还要回到加筋层受拉后怎样约束颗粒。听 Musk 说火箭设计为「快速复用」时，同样先写下所需的观察；一次回收并不会给出下次飞行的周转时间。两者都得分开记录本次实际工况，与设计希望覆盖的一系列未来工况。

发出一样的声音，就懂了同一个意思吗？

海豚能否复现一个哨音，是一项可以录下并比对的测试。它是否会在特定物体出现时主动使用这段声音，则需要换情境观察。颜色的思想实验也把可测波长、双方一致的命名和私人体验分成三个层次。先把可计分的行为写成一句话，再看它距离文章标题所说的「理解」还有几项待证的推论。

剪到位、炼出粉、做出成品，是几次验收？

CRISPR 的识别与切割说明可以对某个序列采取动作，后续修复和性状变化仍需各自验证。废电池进入粉碎机并输出富金属中间物后，也还有另一步精炼，才得到电池级材料。两个流程处理的材料毫不相同，核对方法相通：在每个箭头两端写清输入、输出和下一步的验收指标。

一局游戏必定有人赢，能解释现实财富的尾部吗？

假设一群人赌硬币，一次转移一元，归零的人不能继续。给定这些规则，可以研究财富在游戏中如何集中。但要用它解释现实的长尾，还需检查实际交易的赌注、参与者能否重新进入、财富能否增长。把这几项逐个改掉，若尖锐的不均仍出现，就已经说明仅靠分布的形状很难辨认背后的机制。

一段实时捕获的画面，如何变成可复现的性能说法？

这段《黑客帝国》演示开头给出主机平台和实时捕获声明。要复现更广泛的性能承诺，可以再问当时的场景、分辨率和每帧完成时间。Apple 讲 M1 时从共享内存解释一种机制，讲 R1 时给的是从传感器到显示的一段时间。三种材料能支持的句子分别是「这一幕运行过」「此类拷贝有机会省去」「这段路径有指定延迟」，不能把它们填入同一张未注明工作负载的排行榜。

一只蚊子成功编辑，为什么离预测整个种群仍有一步？

普通遗传下的亲子传递与基因驱动的设计采用不同概率。看到亲代产生目标性状，再看到部分后代携带编辑，要分两次记录。还想推到野外种群，就要写出繁殖、存活与种群混合等前提；不能把实验中观察到的一代传递率当成整张生态系统的答案。

一匹能接近的动物，和可持续驯养的种群

Grey 用马与斑马对照时加入了繁殖条件和群体结构。人牵着动物的影像直接显示的是一次个体互动；判断可否驯化，还需问种群能否在管理下代际繁殖。验证单位从一匹动物移到一个谱系。先写清这个单位，才知道尚需多长的观察。

一个概念设计，已经证明能建成电站了吗？

Hartwig 在 2017 年为高场托卡马克提出积极路线，问答却给读者留下更具体的检查办法。他明确说 ARC 当时并非明天就能开工的项目；谈到较小实验里的稳态驱动时，也保留了能否放大的疑问。读一份研究路线，可以把证据分成已完成的实验、基于已有物理的设计计算、仍待集成验证的系统三栏。前一栏的成功值得记录，却不能替后两栏签字。他在回答中还列出材料辐照损伤、氚增殖与磁体结构载荷，因此这份讲座中的乐观时间表应当连同条件一起读，而不是当作已兑现的交付日期。

改变了一次再生结果，就能按图设计身体了吗？

Levin 把几种不同的能力摆在同一条研究路线上：报告一次形态改变、解释改变如何发生，以及从指定形态反推出干预方案。前一种报告并没有自动完成后两步。他在 2018 年演讲中明确承认模式编辑算法仍有缺口，也把「生物编译器」放在远期。读这类演示时，可以分别记录用了什么模型、改变了什么条件、观察到什么结果，以及目标设计还需要哪项预测能力。这里采用的是讲者提出的问题和界限；未核验形态图片或原实验数据，不能据此确认人体治疗有效、安全或已经可按需再生器官。

验证能量增益，是否已经验证持续发电？

Whyte 给「成功」划了不同的验收线：较小实验可以集中回答增益与燃烧等离子体的问题，电站还必须解决持续运行、热排出、材料替换、燃料循环与成本。尤其是他在问答里明确说，所描述的 SPARC 方案故意不连续运行。因此不能把这个阶段的目标直接写成持续供电能力。看一条研发路线时，可以把每一步预期证明的命题与仍待验证的工程条件并排记录；讲者对缩短试错周期的信心，也不等于提前保证下一步会成功。这里讨论的是历史方案中的证据边界，没有核验图表、装置性能或今日项目进度。

一个还没做过的实验，能支持什么判断？

两份量子讲解给「证据支持多大结论」提供了一个对照。Veritasium 的 Bell 定理讲解先给三方向模型设定局域预定答案和独立选择，再推导出相反结果至少占 5/9，并与片中给出的量子预测 1/2 比较。这个界限针对讲解采用的模型前提。Garret 则构想用两处干涉实验来讨论远端能否传递信号，并明确说这个装置还没有实际做过。

读到实验结论时，可以分开记下三件事：在假设下推导的量、真正测量的量，以及讲者对现象的解释。这样能看清一次实验能排除哪些解释，也能看清思想实验还留下了哪些实测问题。

想证明哪项能力，就要把什么带进试验？

火星直升机团队在出发前把地面试验的两项条件分开介绍。试验舱模拟低气压，向上的拉力减轻旋翼要承担的重量。他们把任务称为技术演示，明确了当时要检验的能力。Alan Kay 回顾可交互的文章和协作工具时强调，系统要能交给一群人实际使用。对这类工具，团队怎样一起操作也是证据的一部分。两段材料提示，写下「演示成功」之前，可以先列出要检验的条件，其中哪些已经带进试验，哪些要等到现场运行或实际使用时才能观察。

成功者的故事，能证明成功可以复制吗？

Veritasium 的选拔玩具模型把技能和运气分开，并说明在模型设定中，运气即使只占 5%，也可能改变入选者；这展示的是机制，不是现实招聘的运气比例。Darius Kazemi 则把创作者的成功秘诀演讲讽刺成一场彩票中奖故事：观众听到的是赢家经验，没看见投入相似却没有走红的作品。他把可控的构思与创作比作买入彩票，把关注比作中奖。并读时要区分“哪些行动能增加机会”和“哪个结果能归因于这些行动”：模型说明权重很小的随机因素可能改变排序，赢家轶事则不能单独证明一条秘诀普遍有效。