LessWrong：从自己的问题读起
想看别人的经验怎样用到自己身上，先读前三篇；已经开始读论文和做实验，可以从第 5—8 篇进入。
别人的方法，为什么到了我这里就失灵？
Beware of Other-Optimizing — Eliezer Yudkowsky，2009。
讲什么： 在很多建议中终于找到适合自己的一个，人容易把它误当成大家都应该采用的正确方法；熟人自信地劝说还可能增强这种错觉。
读的时候想一想：“这个建议依赖什么时间、钱、基础和环境？”
我想成长，但怎样避免只剩自责和口号？
Tsuyoku Naritai! (I Want To Become Stronger) — Eliezer Yudkowsky，2007。
讲什么： 承认自身有偏差并不等于已经改进；把注意力落到如何减少错误、再向前一步。
读的时候想一想：“比起反复说我基础差，我这次能把哪一个具体问题弄懂？”
是不是只有累到极限，才算没有虚度大学？
Working yourself ragged is not a virtue — So8res，2015。
讲什么： 批评把今天榨干当作努力标准的做法，从长期投入看待工作的节奏与代价。
读的时候想一想：“这样的安排我能持续多久，它服务于什么目标？”
哪些想法是我想过的，哪些只是听多了？
Cached Thoughts — Eliezer Yudkowsky，2007。
讲什么： 人会直接取用记住的结论；熟悉感容易遮住最初的来源和推理。作者最后也提醒读者不要把文章自己的概念变成新的自动答案。
读的时候想一想：“这句话具体指什么条件下的谁？我能找出支持和反对它的证据吗？”
明明觉得哪里不对，为什么还会把它解释过去？
Your Strength as a Rationalist — Eliezer Yudkowsky，2007。
讲什么： 当观察与已有理解冲突时，疑惑本身值得检查。一个能事后解释所有结果的说法，并没有给出有效的预测限制。
读的时候想一想：“如果这个解释是真的，我原先应该看到什么？”
我是在查明问题，还是在给预定结论找理由？
The Bottom Line — Eliezer Yudkowsky，2007。
讲什么： 先确定不可改变的答案，再收集漂亮论证，与让证据决定答案，是两种不同的思考过程。
读的时候想一想：“出现什么结果，我会承认自己的解释不成立？”
分数确实涨了，但实验真的说明了我想说明的事吗？
You Are Not Measuring What You Think You Are Measuring — johnswentworth，2022。
讲什么： 用实验案例说明实际测到的因素可能偏离初衷，主张增加有助于解释机制的观测，而非只得到一个输赢答案。
读的时候想一想：“除了总分，还有哪些记录能区分我提出的解释和其他解释？”
要继续投时间，什么信息真的会改变我的选择？
Finding Cruxes: Help Reality Punch You In the Face — Raemon，2026。
讲什么： 从真实决策出发，找出可能改变行动的关键不确定性；列替代方案，再检查哪些条件会让自己转向。
读的时候想一想：“在花掉下一周之前，我能先查清哪一件事？”
我正在学习理解现实，还是学习显得自己懂了？
Reality-Revealing and Reality-Masking Puzzles — Anna Salamon，2020。
讲什么： 区分两类反馈：一种使人接触现实，另一种使人更擅长遮住自己不想看到的信号。作者反思自己的教学和组织实践。
读的时候想一想：“我的努力产生了哪些能检验理解的反馈？”
和大家想得不同，就更有研究品味吗？
Intellectual Hipsters and Meta-Contrarianism — Scott Alexander，2010。
讲什么： 讨论反主流及反对反主流的立场，怎样也可能承担展示身份的作用；立场在群体里的位置并不能决定真假。
读的时候想一想：“如果别人不知道我持有这个观点，我还会这样判断吗？”
把自己的经验推广给别人之前
Generalizing From One Example — Scott Alexander，2009。
建议读前半段：自己的感受、学习方式和社交圈，怎样影响对别人的判断。后半段转向两性与搭讪，论证较弱；同一主题也可以读前面的《Beware of Other-Optimizing》。
和 AI 相处：两篇观察文章
The Rise of Parasitic AI — Adele Lopez，2025。
作者整理一些 AI 人格与用户互相强化错误信念、占据注意力的案例，用“寄生”描述这类互动。可以带着一个问题读：除了 AI 的认可，我用什么检查自己的想法？
How My Students Think About AI — dvd，2026。
美国一所公立大学的教师记录学生怎样使用和看待 AI，涉及上下文、就业、能力变化和学习。文中的学生主要来自作者教授的非技术背景课程。适合对照自己的习惯：我天天用的工具，到底在哪些任务上帮到了我？
具体学习与检查方法接到和 AI 一起做事。