4.7 信念账本与贝叶斯核心（M6、A5、A6）

产品主张#

每条判断带陈述、附着对象、五档置信度、支持/反对证据、判据；按证据等级与幅度规则移动；优先选「结果会改变下一步选择」的指令。

支撑理论#

• 贝叶斯决策理论规范（Edwards, Lindman & Savage, 1963；Savage, 1954）：信念以主观概率表示，按证据更新；行动选择最大化期望效用。信念账本是它的有序、粗粒度版本。
• 信息价值未分级（Howard, 1966）：信息的价值等于「有了它之后决策改善的期望」；不会改变决策的信息价值为零。M6「优先选结果会改变下一步选择的指令」与「只查要投入资源的决定背后的假设」正是信息价值原则。
• 预测加工与主动推断CD（Friston, 2010；Clark, 2013；Parr, Pezzulo & Friston, 2022）：大脑被描述为持续生成预测、用预测误差更新模型的系统；主动推断进一步认为，行动本身是让世界符合预测、或为减少不确定性而采样的手段。一心行动在结构上是一个外置的、可审计的预测加工系统：模型生成预测，人作为传感器回报，惊讶度驱动更新，指令既推进目标（实用价值）也检验连接（认知价值）。D3 的第二类候选（检验低置信度关键连接）对应主动推断里的「认知性行动」。
• 预测校准与超级预测B（Tetlock & Gardner, 2015；Mellers 等, 2014）：训练（概率推理、参考类）、团队讨论和追踪记录能显著提高预测准确性；Brier 分数（Brier, 1950）用于评分。
• 情报分析的不确定性表达未分级（Kent, 1964；ODNI ICD 203, 2015；IPCC 指南，Mastrandrea 等, 2011）：用固定的文字档位表达可能性与置信度，并把事实、假设、判断分开。五档文字置信度与「事实 / 推断 / 假设」三标签和这条传统高度一致。
• 竞争假设分析CD（Heuer, 1999）：列出所有合理假设，寻找能区分假设的证据，而不是只找支持证据。实验卡的「竞争假设」字段、异常复核的「竞争解释」都属此类。

证据强度#

贝叶斯决策作为规范理论（无所谓强弱，是规范）；人按贝叶斯规则更新的描述性证据是混合的（保守性与基率忽视都存在，Kahneman, 2011）；预测训练与追踪 B（Mellers 2014 为大型预测锦标赛中的随机化比较）；预测加工作为脑理论争议很大 CD，但作为系统设计隐喻不需要它在神经层面成立；ACH 作为结构化分析技术 CD。

理论给产品的提醒#

1. 五档的代价：文字档位便于人读，但不能直接算 Brier 分数、不能做概率合成，也不能精确计算信息价值。Kent（1964）和 ICD 203 的做法是每个词对应一个概率区间，对内可算、对外用词。建议给五档配隐藏的概率区间（见 10.2）。
2. 「单条最多一档」与证据强度：贝叶斯规则下，一条强证据（似然比很大）应该移动很多。固定上限是一种「保守先验」，能抗噪声和回声，但会让系统对真正的决定性证据反应过慢。建议允许「外部可查 + 预注册检验」的证据例外（见 10.3）。
3. 人的直觉预测（实验卡的 prediction_self）只用于校准，这与超级预测研究的「追踪记录再加权」一致。