第七章 为什么有些启发式看起来很粗，却在现实里更稳？
一句话总纲 有些启发式之所以看起来很粗，却在现实里更稳，不是因为它们更接近“标准答案”，而是因为它们更不容易被噪音、过拟合、伪精确和执行失真拖垮。 核心内容 • “稳”不是永远最优，而是在真实世界各种扰动里，仍然能维持基本判断质量。 • 启发式更稳，主要因为：依赖变量更少、更不容易过拟合、更抗噪音、更容易执行一致、更容易修正。 • “粗”不等于低质量；有些“粗”其实是高质量压缩——删掉了噪音，没有删掉骨架。 • 真正稳的启发式，往往抓的是更接近底层结构的变量，例如理解边界、风险结构、利益结构、真实行为、系统可生存性。 关键结论 有些启发式看起来很粗，却在现实里更稳，不是因为它们更接近完美答案，而是因为它们更少脆弱点、更抗噪音、更不容易过拟合，也更容易长期执行和修正。