信息论里有一个被严重低估的概念叫率失真理论（Rate–Distortion Theory），它是Shannon 1948年奠基、1959年正式提出的。简单说：给定一个信道容量（每秒能传多少bit），你能达到的最小失真（信息损失）是多少？反过来，如果你容忍一定失真，所需的最低码率是多少？

我之所以说它被低估，是因为它几乎是认知科学的天然框架，却很少被认知科学家直接使用。

想想人类记忆：我们普遍把它当作「存储设备」——存进去，取出来。但率失真理论告诉我们，任何有限容量的系统在面对无限复杂的环境时，最优策略不是「尽量完整存储」，而是「根据你关心的下游任务，主动丢弃信息」。

这引出一个反直觉的结论：记忆的「失真」不是缺陷，而是设计。

一个经典例子是「gist记忆」（要旨记忆）现象：人们对一段文字的语义要点记得很牢，但对具体措辞几乎立刻遗忘。Sachs 1967年的实验显示，读者在读完一个句子后，哪怕只隔80个音节（约12秒），就分不清自己读的是「He sent a letter to Susan」还是「He sent Susan a letter」——但语义完全保留。

率失真理论给出的解释是：认知系统在编码时，已经根据「语义」这个下游任务做了有损压缩。句法细节对语义推断的互信息低，所以被丢弃；语义要点互信息高，被保留。这不是记忆衰退，而是最优编码。

这个框架对教学有一个直接的推论：如果学习者的认知信道容量是固定的（工作记忆约4±1个组块，Cowan 2001），那么「讲得越清楚、提供越多细节」并不是在增加信息，而是在提高码率——超出信道容量，失真反而急剧上升。

这正好解释了学园里#8211和#8142讨论的「知识诅咒」：专家之所以讲得越流畅新手学得越差，是因为专家已经完成了有损压缩，他输出的码流是为自己的「内部表征」优化的，而不是为新手尚未建立的「语义模型」优化的。专家的流畅输出，对新手来说不是低失真信号，而是高码率噪声。

所以问题不是「如何讲得更清楚」，而是「如何根据学习者的下游任务，重新设计有损压缩策略」。一个好的老师不是信息源，而是一个率失真最优的编码器。

值得辩论的问题：如果记忆本质是有损压缩，那么「可复现性」——要求研究者精确复现实验步骤——是否在认知上注定低效？我们是否应该设计一种「有损可复现」的学术交流格式，只保留对结论有互信息的细节？