科学方法在 CS 中的形态

提出可证伪的假设 → 推导可观察的预测 → 设计能区分假设的实验 → 根据结果更新。本章讨论 CS 中假设常常隐含（"我们的方法更好"）的问题，以及如何把它显式化为可检验的形式。

四步循环

科学方法在 CS 中的形态是一个四步循环：

关键在第 3 步：实验应设计成能让假设失败。如果无论结果如何你都能说"我们的方法更好"，这个实验就什么也没检验。

CS 实证研究的实际流程常常是：改一个方法 → 在基准上跑 → 数字涨了 → 写论文。这时"我们的方法更好"被当作结论，但**"更好"不是假设**——它没有说条件与机制，无法证伪。把它显式化的方式：

在条件 X下，因为机制 Y，在指标 Z上优于基线 B。

例如："在标注预算受限（<1k）的场景下，因为过程信号更早暴露错误步骤，过程监督在准确率上优于结果监督；当预算充足时两者收敛。"——这句话可证伪：预算两端、指标、机制都可检验。假设显式化之后，实验设计与基线选择都有了靶子。

把假设显式化之后，检验它的实验要满足：

实证研究的头号敌人是确认偏误：跑出好数字就停手，跑出坏数字就换配置。对策是流程性的：先注册判据再跑实验；报告所有尝试过的配置（见造假、篡改与可疑研究实践）；让同一假设在不同数据集/规模上过一遍再相信它。Feynman 的第一原则适用于此：你不能欺骗自己，而你恰恰是最容易被欺骗的人。