训练中你看到的「进步」，可能是学习的假象。表现（此刻做得多好）和学习（长期留存并能迁移的持久改变）是两个可以背道而驰的变量：很多让训练当场变漂亮的条件，恰恰损害长期留存；很多让训练当场变笨拙的条件，反而造就更牢的学习。你盯着的那条进度条，量的往往只是前者。
表现是可当场观测的临时状态，被当下的线索、热身和短期记忆撑着；学习是不可直接观测的潜在改变，只能等支架撤掉、时间过去后，用留存和迁移去反推。集中反复练同一招（block）会让手感当场飙升，但撤掉重复的支架后掉得最快；打散、间隔、自测这些「当场更难」的做法压低了即时表现，却把痕迹刻得更深。当场好看，和长期学到，是两码事。
一项运动学习的经典实验：一组按固定顺序反复练三个动作（集中练），一组把三个动作随机打乱练。训练阶段，集中练那组明显更顺、成绩更好；但十天后的保持测试彻底反转——随机练那组的留存和迁移大幅胜出。当场领先的，恰是最后输的。这个「获得期领先、保持期反超」的交叉，是整个领域反复出现的原型。
| 阶段 | 集中练 (block) | 随机/交错练 |
|---|---|---|
| 训练当场 | 更顺、更好 ✓ | 更笨拙、更差 |
| 十天后留存 | 掉得最快 | 大幅胜出 ✓ |
机器学习里这就是过拟合：训练损失一路下降（表现），验证损失却掉头上升（没学到能迁移的东西）——正则化、dropout、数据增广故意「添乱」，本质都是人为制造合意困难，逼模型学到能泛化的结构而非死记训练集。商业培训同理：项目期间的漂亮 KPI，不等于组织真留下了能力；士气与出勤这些「当场指标」，也可能只是撤掉激励前的表现。凡是「训练指标好看」的地方，都要追问它量的是表现还是学习。
你验收任何「学会了/搞定了」时，先分清量的是表现还是学习：demo 现场跑通，是你还在旁边扶着支架时的表现；孩子作业当场做得顺，是题型集中、线索还在时的表现。真正的验收要制造「撤支架、隔时间」的条件——换个情境、过几天、无提示地再来一次，看留下的还剩多少。
你上周判断「这块已经掌握」的那个结论，依据的是撤掉支架、隔了时间之后的留存，还是当场那条还热着的进度条？
大脑用「处理起来有多顺」来估计「我掌握得有多好」——这个捷径系统性地骗人。材料越眼熟、读起来越丝滑，自信越高；可流畅感往往来自重复曝光，而非真正的可提取。于是出现一条反向关系：最让你觉得「懂了」的学法，常是留存最差的那种。
流畅是加工的省力感；你的元认知把这份省力，错当成知识的牢固。重读、划线、看别人解题都极其流畅——却几乎不留可提取的痕迹；而回忆、自测、犯错则费力、不流畅、当场自我感觉差，却真正强化了提取通路。感觉和事实在这里是脱钩的：省力的当下体验，与费力才能建立的持久记忆，指向相反的方向。
哈佛物理课上做过一个漂亮对照（2019 年）：同样的内容，一组用主动学习，一组听精心打磨的讲授。客观测验里，主动学习组学得明显更多；但他们自评学得更少、更喜欢那堂听着顺的讲授。流畅的讲授让人感觉良好，主动学习让人感觉吃力——而恰是吃力那组真的学到了。「感觉在学」和「实际在学」被实测钉在了相反方向。
说服研究里，同一句话用更易读的字体、更顺口的措辞，会被判定更可信——加工流畅性被误当成真值。UX 里一份读着顺的文档，给人「我懂了这个系统」的错觉，直到动手才露馅。投资中把「熟悉」错当「了解」，也是同一枚硬币。凡是「顺滑」的地方，都要警惕它冒充「掌握」。
你读一篇论文、扫一遍新框架的文档，读完那种「清晰、我 get 了」的顺滑感，恰是最危险的信号——它多半来自行文流畅，而非你已能重建它。真正的检验是合上文档，无提示地把核心机制讲一遍或写一遍。讲不出来，刚才那份「懂」，就是流畅错觉在替你签字。
回想你最近一次「一看就懂」的畅快——你事后能脱稿把它的机制推给别人吗？如果不能，那份畅快量的是文本的流畅度，还是你的掌握度？
既然费力才留得住，是不是越难越好？不是。有一类困难能加深学习（合意困难），另一类只是徒增消耗。关键在「合意」二字：困难必须是逼你动用了正确加工、并且够得着能跨过去的那种；一旦超过工作记忆的承载，就从锻炼变成了淹没。学习的甜点，夹在两条曲线的缝里。
合意困难（间隔、交错、自测、变换情境）之所以有效，是因为它逼你做提取、做辨别、做重构——正是这些费力的加工刻下持久痕迹。但认知负荷理论提醒：工作记忆容量极小，若困难来自无关的杂乱（糟糕的排版、缺失的前提、一次塞太多），只会白白挤占加工资源、毫无增益。合意 vs 有害，分野就在于：难度是否落在「用对了力、且够得着」的区间。
让学生练数学：一组同类题集中练（block），一组不同题型交错练（interleave）。交错组练习时错更多、明显更痛苦，做完还觉得这种教法更差；可最终测验，交错组大幅胜出。学生对「哪种教法好」的判断，和实际效果正好相反——痛苦被误读成低效，顺畅被误读成有效。学习者的舒适度，是效果的反向指标。
生物学的毒物兴奋效应（hormesis）与它同构：小剂量压力（间歇性禁食、运动的微损伤）激活修复、令机体更强，过量则致损——剂量决定它是补药还是毒药。反脆弱、肌肉的渐进超负荷、免疫系统靠适度挑战成熟，走的都是同一条「合意困难」曲线：太少不长进，太多被压垮。
设计团队 onboarding 或带孩子练习时，别把路铺得太平——适度撤掉脚手架、把相似任务打散、逼出真实提取，才养出能迁移的能力。但要盯住难度的来源：是「用对了力的挑战」，还是文档缺失、上下文混乱这类纯消耗？前者要刻意加，后者要果断删。别把「乱」当成「难」。
你手上那个「太难了」的学习或上手过程，难在合意的地方（真提取、真辨别），还是难在无谓的杂乱（缺前提、乱排布）？该加的困难和该删的摩擦，你分得清吗？
既然主观感觉（流畅、自信）系统性偏高，解药不是更努力地「感觉」，而是给自我判断装一个外部校准器——用能证伪的证据取代内省。核心手法只有一个：提取即测量。让自己在无提示下把它取出来，取得出，才算学到；取不出，此前所有「懂」的感觉一概作废。
「判断学习」（你对自己记住多少的预估）在刚学完时严重虚高，因为材料还在眼前、线索还热。两个动作能纠偏：一是延迟判断，隔一段时间再自评，逼近真实留存；二是用回忆本身当尺子——自测既是学习又是测量，一箭双雕。费力回忆的成功，是唯一不骗人的信号；顺滑重读带来的自信，是最会骗人的信号。
让学生学完材料后，一组反复重读，一组反复自测。一周后，自测组记得远多；但在预测「自己能记住多少」时，重读组反而更自信、给自己打分更高。最自信的一组，恰是留存最差的一组——自信与真实留存背向而行，正是缺了校准器要付的代价。
这就是预测校准（承接 Day 68）：顶尖预测者的功夫不在更聪明，而在用布莱尔评分之类的工具，把「我有多确定」和「事后对没对」反复对表，一次次记录、复盘，硬生生把直觉掰准。工程里的误差棒、贝叶斯的置信区间，机器学习里模型输出概率的校准曲线，都是同一件事——不信裸奔的确定感，只信被数据反复对过表的确定感。
给自己和团队立一条纪律：任何「我懂了/团队会了/这块没问题」出口之前，先跑一次无提示提取——合上资料把机制讲一遍、让工程师脱稿画出系统的失败路径、隔几天再抽查一次。把「感觉会」换成「考过了」。你带 AI 系统看的是留出集，带自己和团队，也该看同一种留出集。
你此刻最笃定「已经掌握」的那件事，如果现在就无提示、隔了时间地考自己一次，你敢下多大的注？你的自信，配得上一次真正的提取检验吗？